Modulation of Land Photosynthesis by the Indian Ocean Dipole: Satellite‐Based Observations and CMIP6 Future Projections
Notice bibliographique
Résumé
Abstract Indian Ocean Dipole (IOD), a major climate variability in the tropics which drives the abiotic stress associated with heavy rainfalls and severe droughts, is not much understood in terms of its role in the carbon cycle, while El Niño‐Southern Oscillation (ENSO)‐related terrestrial carbon cycle variation has been intensively studied. Here, we investigate IOD's impact on land photosynthesis over the Indian ocean rim countries during austral spring using satellite‐based gross primary productivity (GPP) and Earth System Model simulations produced in the Coupled Model Intercomparison Project Phase 6 (CMIP6). IOD independently affects GPP with significant positive partial correlation coefficients ( ) over most of Africa and India, and negative over southern China, Indo‐China peninsula, maritime continent, and Australia, mostly driven by precipitation variations; this obviously differs from the widespread significant negative pattern induced by ENSO. The recent extremely positive IOD in 2019 caused the canonical IOD‐affected GPP patterns, however, with its extreme impacts. Furthermore, though large inter‐model spreads exist, the CMIP6 multimodel median can basically capture the main characteristics of IOD‐affected precipitation and GPP patterns. Importantly, IOD is predicted to occur more frequently in future warming scenarios. Model future projections suggest that it will exert larger impacts on GPP variations over central and eastern Africa, Sumatra, western and southeastern Australia with stronger and enhanced explained variance, but less impacts over southern Africa, east India, Indo‐China peninsula, and northeastern Australia. Therefore, besides ENSO, understanding the IOD impacts can provide us new insights into regional and global carbon cycle interannual variability.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».