Linking global terrestrial CO <sub>2</sub> fluxes and environmental drivers: inferences from the Orbiting Carbon Observatory 2 satellite and terrestrial biospheric models
Notice bibliographique
Résumé
Observations from the Orbiting Carbon Observatory 2 (OCO-2) satellite have been used to estimate CO 2 fluxes in many regions of the globe and provide new insight into the global carbon cycle. The objective of this study is to infer the relationships between patterns in OCO-2 observations and environmental drivers (e.g., temperature, precipitation) and therefore inform a process understanding of carbon fluxes using OCO-2. We use a multiple regression and inverse model, and the regression coefficients quantify the relationships between observations from OCO-2 and environmental driver datasets within individual years for 2015–2018 and within seven global biomes. We subsequently compare these inferences to the relationships estimated from 15 terrestrial biosphere models (TBMs) that participated in the TRENDY model inter-comparison. Using OCO-2, we are able to quantify only a limited number of relationships between patterns in atmospheric CO 2 observations and patterns in environmental driver datasets (i.e., 10 out of the 42 relationships examined). We further find that the ensemble of TBMs exhibits a large spread in the relationships with these key environmental driver datasets. The largest uncertainty in the models is in the relationship with precipitation, particularly in the tropics, with smaller uncertainties for temperature and photosynthetically active radiation (PAR). Using observations from OCO-2, we find that precipitation is associated with increased CO 2 uptake in all tropical biomes, a result that agrees with half of the TBMs. By contrast, the relationships that we infer from OCO-2 for temperature and PAR are similar to the ensemble mean of the TBMs, though the results differ from many individual TBMs. These results point to the limitations of current space-based observations for inferring environmental relationships but also indicate the potential to help inform key relationships that are very uncertain in state-of-the-art TBMs.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».