MétaCan
Menu
← Retour à la cohorte
Enregistrement W4387103520 · doi:10.5194/egusphere-2023-1955

Assimilation of Carbonyl Sulfide (COS) fluxes within the adjoint-based data assimilation system–Nanjing University Carbon Assimilation System (NUCAS v1.0)

2023· preprint· en· W4387103520 sur OpenAlexaff
Huajie Zhu, Mousong Wu, Fei Jiang, Michael Voßbeck, Thomas Kaminski, Xiuli Xing, Jun Wang, Weimin Ju, Jing M. Chen

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Key Research and Development Program of ChinaNanjing UniversityNational Natural Science Foundation of China
Mots-clésData assimilationCarbonyl sulfideEnvironmental scienceAssimilation (phonology)EcosystemCarbon cycleAtmospheric sciencesMeteorologyChemistryEcologyPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract. Modeling and predicting changes in the function and structure of the terrestrial biosphere and its feedbacks to climate change strongly depends on our ability to accurately represent interactions of the carbon and water cycles, and energy exchange. However, carbon fluxes, hydrological status and energy exchange simulated by process-based terrestrial ecosystem models are subject to significant uncertainties, largely due to the poorly calibrated parameters related to various processes. In this work, an adjoint-based data assimilation system (Nanjing University Carbon Assimilation System, NUCAS) was developed, which is capable of assimilating multiple observations to optimize process parameters of a satellite data driven ecosystem model–BEPS (Boreal Ecosystem Productivity Simulator). Data assimilation experiments were conducted to demonstrate the robustness and to investigate the feasibility and applicability of NUCAS on seven sites by assimilating the carbonyl sulfide (COS) fluxes, which were tightly related to the stomatal conductance and photosynthesis. Results showed that NUCAS is able to achieve a consistent fit to COS observations across various ecosystems. Comparing prior simulations with validation datasets, we found that the assimilation of COS can significantly improve the model performance in gross primary productivity, sensible heat, latent heat and even soil moisture. We also showed that the NUCAS is capable of constraining parameters from multiple sites simultaneously and achieving a good consistency to the single-site assimilation. Our results demonstrate that COS can provide strong constraints on parameters relevant to water, energy and carbon processes with the data assimilation system, and open new perspectives for better understanding of the ecosystem carbon, water and energy exchanges.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,223
Écart entre enseignants0,187 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAtmospheric and Environmental Gas Dynamics→Travaux en français237 207→