Evaluation of CarbonTracker's Inverse Estimates of North American Net Ecosystem Exchange of CO <sub>2</sub> From Different Observing Systems Using ACT‐America Airborne Observations
Notice bibliographique
Résumé
Abstract Quantification of regional terrestrial carbon dioxide (CO 2 ) fluxes is critical to our understanding of the carbon cycle. We evaluate inverse estimates of net ecosystem exchange (NEE) of CO 2 fluxes in temperate North America, and their sensitivity to the observational data used to drive the inversions. Specifically, we consider the state‐of‐the‐science CarbonTracker global inversion system, which assimilates (a) in situ measurements (IS), (b) the Orbiting Carbon Observatory‐2 (OCO‐2) v9 column CO 2 (XCO 2 ) retrievals over land (LNLG), (c) OCO‐2 v9 XCO 2 retrievals ocean‐glint (OG), and (d) a combination of all these observational constraints (LNLGOGIS). We use independent CO 2 observations from the Atmospheric Carbon and Transport (ACT)—America aircraft mission to evaluate the inversions. We diagnose errors in the flux estimates using the differences between modeled and observed biogenic CO 2 mole fractions, influence functions from a Lagrangian transport model, Bayesian inference, and root‐mean‐square error (RMSE) and bias metrics. The IS fluxes have the smallest RMSE among the four products, followed by LNLG. Both IS and LNLG outperform the OG and LNLGOGIS inversions with regard to RMSE. Regional errors do not differ markedly across the four sets of posterior fluxes. The CarbonTracker inversions appear to overestimate the seasonal cycle of NEE in the Midwest and Western Canada, and overestimate dormant season NEE across the Central and Eastern US. The CarbonTracker inversions may overestimate annual NEE in the Central and Eastern US. The success of the LNLG inversion with respect to independent observations bodes well for satellite‐based inversions in regions with more limited in situ observing networks.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| 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 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 ».