Solar Radiation Triggers the Bimodal Leaf Phenology of Central African Evergreen Broadleaved Forests
Notice bibliographique
Résumé
Abstract Central African evergreen broadleaved forests around the equator exhibit a double annual cycle for canopy phenology and carbon uptake seasonality. The underlying drivers of this behavior are poorly understood and the double seasonality is not captured by land surface models (LSM). In this study, we developed a new leaf phenology module into the ORCHIDEE LSM (hereafter ORCHIDEE‐AFP), which utilizes short‐wave incoming radiation (SWd) as the main driver of leaf shedding and partial rejuvenation of the canopy, to simulate the double seasonality of central African forests. The ORCHIDEE‐AFP model has been evaluated by using field data from two forest sites and satellite observations of the enhanced vegetation index (EVI), which is a proxy of young leaf area index (LAI Young ) with leafage less than 6 months, as well as six products of GPP or GPP proxies. Results demonstrate that ORCHIDEE‐AFP successfully reproduces observed leaf turnover ( R = 0.45) and young leaf abundance ( R = 0.74), and greatly improve the representation of the bimodal leaf phenology. The proportion of grid cells with a significant positive correlation between the seasonality of modeled LAI Young and observed EVI increased from 0.2% in the standard model to 27% in the new model. For photosynthesis, the proportions of grid cells with significant positive correlations between modeled and observed seasonality range from 26% to 65% across the six GPP evaluation products. The improved performance of the ORCHIDEE‐AFP model in simulating leaf phenology and photosynthesis of central African forests will allow a more accurate assessment of the impacts of climate change in tropical forests.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».