Assessing Model Predictions of Carbon Dynamics in Global Drylands
Notice bibliographique
Résumé
Drylands cover ca. 40% of the land surface and are hypothesised to play a major role in the global carbon cycle, controlling both long-term trends and interannual variation. These insights originate from land surface models (LSMs) that have not been extensively calibrated and evaluated for water-limited ecosystems. We need to learn more about dryland carbon dynamics, particularly as the transitory response and rapid turnover rates of semi-arid systems may limit their function as a carbon sink over multi-decadal scales. We quantified aboveground biomass carbon (AGC; inferred from SMOS L-band vegetation optical depth) and gross primary productivity (GPP; from PML-v2 inferred from MODIS observations) and tested their spatial and temporal correspondence with estimates from the TRENDY ensemble of LSMs. We found strong correspondence in GPP between LSMs and PML-v2 both in spatial patterns (Pearson’s r = 0.9 for TRENDY-mean) and in inter-annual variability, but not in trends. Conversely, for AGC we found lesser correspondence in space (Pearson’s r = 0.75 for TRENDY-mean, strong biases for individual models) and in the magnitude of inter-annual variability compared to satellite retrievals. These disagreements likely arise from limited representation of ecosystem responses to plant water availability, fire, and photodegradation that drive dryland carbon dynamics. We assessed inter-model agreement and drivers of long-term change in carbon stocks over centennial timescales. This analysis suggested that the simulated trend of increasing carbon stocks in drylands is in soils and primarily driven by increased productivity due to CO 2 enrichment. However, there is limited empirical evidence of this 50-year sink in dryland soils. Our findings highlight important uncertainties in simulations of dryland ecosystems by current LSMs, suggesting a need for continued model refinements and for greater caution when interpreting LSM estimates with regards to current and future carbon dynamics in drylands and by extension the global carbon cycle.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».