Optimizing the terrestrial ecosystem gross primary productivity using carbonyl sulfide (COS) within a two-leaf modeling framework
Notice bibliographique
Résumé
Accurately modeling gross primary productivity (GPP) is of great importance for diagnosing terrestrial carbon–climate feedbacks. Process-based terrestrial ecosystem models are often subject to substantial uncertainties, primarily attributed to inadequately calibrated parameters. Recent research has identified carbonyl sulfide (COS) as a promising proxy of GPP due to the close linkage between leaf exchange of COS and carbon dioxide (CO 2 ) through their shared pathway of stomatal diffusion. However, most of the current modeling approaches for COS and CO 2 do not explicitly consider the vegetation structural impacts, i.e., the differences between the sunlit and shaded leaves in COS uptake. This study used ecosystem COS fluxes from seven sites to optimize GPP estimation across various ecosystems with the Biosphere-atmosphere Exchange Process Simulator (BEPS), which was further developed to simulate the canopy COS uptake under its state-of-the-art two-leaf framework. Our results demonstrated substantial improvement in GPP simulation across various ecosystems through the data assimilation of COS flux into the two-leaf model, with the ensemble mean of the root mean square error (RMSE) for simulated GPP reduced by 20.16 % to 64.12 %. Notably, we also shed light on the remarkable identifiability of key parameters within the BEPS model, including the maximum carboxylation rate of RuBisCO at 25 °C ( V cmax25 ), minimum stomatal conductance (bH2O), and leaf nitrogen content ( N leaf ), despite intricate interactions among COS-related parameters. Furthermore, our global sensitivity analysis delineated both shared and disparate sensitivities of COS and GPP to model parameters and suggested the unique treatment of parameters for each site in COS and GPP modeling. In summary, our study deepened insights into the sensitivity, identifiability, and interactions of parameters related to COS and showcased the efficacy of COS in reducing uncertainty in GPP simulations.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».