Notice bibliographique
Résumé
Abstract. Diagnostic terrestrial biosphere models (TBMs) forced by remote sensing observations have been a principal tool to provide benchmarks on global gross primary productivity (GPP) and evapotranspiration (ET). However, these models often estimate GPP and ET at coarse daily or monthly step, hindering analysis of ecosystems dynamics at the diurnal (hourly) scales, and prescribe some essential parameters (i.e., the Ball-Berry slope (m) and the maximum carboxylation rate at 25 °C (Vcmax25)) as constant, inducing uncertainties in the estimates of GPP and ET. In this study, we present hourly estimation of global GPP and ET datasets at a 0.25° resolution from 2001 to 2020 simulated with a widely used diagnostic TBM – Biosphere-atmosphere Exchange Process Simulator (BEPS). We employed eddy covariance observations and machine learning approaches to derive and upscale the seasonally varied m and Vcmax25 for carbon and water fluxes. The estimated hourly GPP and ET are validated against flux observation, remote sensing, and machine learning-based estimates across multiple spatial and temporal scales. The correlation coefficients (R2) and slopes between hourly tower-measured and modeled fluxes are: R2 = 0.83, regression slope = 0.92 for GPP and, R2 = 0.72, regression slope = 1.04 for ET. At the global scale, we estimated a global mean GPP of 137.78 ± 3.22 Pg C yr-1 (mean ± 1 SD) with a positive trend of 0.53 Pg C yr-2 (p < 0.001), and ET of 89.03 ± 0.82 × 103 km3 yr-1 with a slight positive trend of 0.10 × 103 km3 yr-2 (p < 0.001) from 2001 to 2020. The spatial pattern of our estimates agrees well with other products, with R2 = 0.77–0.85 and R2 = 0.74–0.90 for GPP and ET, respectively. Overall, this new global hourly dataset serves as a `handshake’ among process-based models, remote sensing, and the eddy covariance flux network, providing a reliable long-term estimate of global GPP and ET with diurnal patterns and facilitating studies related to ecosystem functional properties, global carbon, and water cycles. The hourly and accumulated daily GPP and ET estimates are available at https://doi.org/10.5281/zenodo.8240492 (Leng et al., 2023).
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 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,025 | 0,024 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,150 | 0,116 |
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 ».