Quantifying Scaling Effect on Gross Primary Productivity Estimation in the Upscaling Process of Surface Heterogeneity
Notice bibliographique
Résumé
Abstract Accurate estimation of gross primary productivity (GPP) is essential for understanding the terrestrial carbon budget. Current large‐scale GPP estimates are often obtained at coarse resolutions without considering the subpixel heterogeneity, leading to scaling errors in results. Here, to further characterize (a) the critical sub‐upscaling process causing the largest error and (b) the contributions of various heterogeneity factors in causing the scaling errors, a hydrology‐vegetation model was used to estimate GPP at the 30 m resolution (assumed as reality), and other coarser resolutions (60, 120, 240, 480, and 960 m, assumed as approximations) for 16 mountainous watersheds. Then, GPP scaling errors in the upscaling process of surface heterogeneity were investigated by the root mean squared error between the reality and approximations. Results showed that any surface heterogeneity aggregation from fine to coarse resolutions (e.g., 30–960 m) could cause GPP scaling errors (133 ± 40 gCm−2yr−1), and the aggregation from medium to coarse resolutions (e.g., 240–960 m) may be the largest source. More specifically, GPP scaling errors caused by the vegetation heterogeneity aggregation from fine to medium resolutions were relatively small, and the GPP errors caused by the surface topography aggregation from fine to coarse resolutions were all non‐negligible. Elevation aggregation caused larger GPP scaling error than the aggregations of land cover, leaf area index, slope, and aspect. This work highlights the need to consider surface heterogeneity (especially the elevation information) when modeling mountain vegetation GPP at coarse resolutions.
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 | 0,008 |
| 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 | 0,001 |
| 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 ».