Estimating photosynthetic capacity from optimized Rubisco–chlorophyll relationships among vegetation types and under global change
Notice bibliographique
Résumé
Abstract The maximum rate of carboxylation (Vcmax), a key parameter indicating photosynthetic capacity, is commonly fixed as a constant by vegetation types and/or varies according to empirical scaling functions in Earth system models (ESMs). As such, the setting of Vcmax results in uncertainties of estimated carbon assimilation. It is known that the coupling between leaf chlorophyll and Rubisco (ribulose-1,5-biphosphate carboxylase-oxygenase) contents can be applied to estimate Vcmax. However, how this coupling is affected by environmental changes and varies among plant functional types (PFTs) has not been well investigated yet. The effect of varying coupling between chlorophyll and Rubisco contents on the estimation of Vcmax is still not clear. In this study, we compiled data from 76 previous studies to investigate the coupling between Chlorophyll (Chl) and Rubisco (Rub), in different PFTs and under different environmental conditions. We also assessed the ability of a Rub-based semi-mechanistic model to estimate Vcmax normalized to 25 °C (Vcmax25) based on the Rub–Chl relationship. Our results revealed strong, linear Rub-Chl relationships for different PFTs (R 2 = 0.73, 0.67, 0.54 and 0.72 for forest, crop, grass and shrub, and C4 plants, respectively). The Rub–Chl slope of natural C3 PFTs was consistent and significantly different from those of crops and C4 plants. A meta-analysis indicated that reduced light intensity, elevated CO2, and nitrogen addition strongly altered Rub/Chl. A semi-mechanistic model based on PFT-specific Rub–Chl relationships was able to estimate Vcmax25 with high confidence. Our findings have important implications for improving global carbon cycle modeling by ESMs through the improved parameterization of Vcmax25 using remotely sensed Chl content.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».