A 10-year global monthly averaged terrestrial net ecosystem exchange dataset inferred from the ACOS GOSAT v9 XCO <sub>2</sub> retrievals (GCAS2021)
Notice bibliographique
Résumé
Abstract. A global gridded net ecosystem exchange (NEE) of CO2 dataset is vital in global and regional carbon cycle studies. Top-down atmospheric inversion is one of the major methods to estimate the global NEE; however, the existing global NEE datasets generated through inversion from conventional CO2 observations have large uncertainties in places where observational data are sparse. Here, by assimilating the GOSAT ACOS v9 XCO2 product, we generate a 10-year (2010–2019) global monthly terrestrial NEE dataset using the Global Carbon Assimilation System, version 2 (GCASv2), which is named GCAS2021. It includes gridded (1∘×1∘), globally, latitudinally, and regionally aggregated prior and posterior NEE and ocean (OCN) fluxes and prescribed wildfire (FIRE) and fossil fuel and cement (FFC) carbon emissions. Globally, the decadal mean NEE is -3.73±0.52 PgC yr−1, with an interannual amplitude of 2.73 PgC yr−1. Combining the OCN flux and FIRE and FFC emissions, the net biosphere flux (NBE) and atmospheric growth rate (AGR) as well as their inter-annual variabilities (IAVs) agree well with the estimates of the Global Carbon Budget 2020. Regionally, our dataset shows that eastern North America, the Amazon, the Congo Basin, Europe, boreal forests, southern China, and Southeast Asia are carbon sinks, while the western United States, African grasslands, Brazilian plateaus, and parts of South Asia are carbon sources. In the TRANSCOM land regions, the NBEs of temperate N. America, northern Africa, and boreal Asia are between the estimates of CMS-Flux NBE 2020 and CT2019B, and those in temperate Asia, Europe, and Southeast Asia are consistent with CMS-Flux NBE 2020 but significantly different from CT2019B. In the RECCAP2 regions, except for Africa and South Asia, the NBEs are comparable with the latest bottom-up estimate of Ciais et al. (2021). Compared with previous studies, the IAVs and seasonal cycles of NEE of this dataset could clearly reflect the impacts of extreme climates and large-scale climate anomalies on the carbon flux. The evaluations also show that the posterior CO2 concentrations at remote sites and on a regional scale, as well as on vertical CO2 profiles in the Asia-Pacific region, are all consistent with independent CO2 measurements from surface flask and aircraft CO2 observations, indicating that this dataset captures surface carbon fluxes well. We believe that this dataset can contribute to regional- or national-scale carbon cycle and carbon neutrality assessment and carbon dynamics research. The dataset can be accessed at https://doi.org/10.5281/zenodo.5829774 (Jiang, 2022).
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,003 |
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 ».