MétaCan
Menu
Retour à la cohorte
Enregistrement W4402071956 · doi:10.5194/gmd-17-6337-2024

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

2024· article· en· W4402071956 sur OpenAlexaff
Huajie Zhu, Mousong Wu, Fei Jiang, Michael Voßbeck, Thomas Kaminski, Xiuli Xing, Jun Wang, Weimin Ju, J.M. Chen

Notice bibliographique

RevueGeoscientific model development · 2024
Typearticle
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-clésAssimilation (phonology)Data assimilationCarbonyl sulfideCarbon assimilationEnvironmental scienceMeteorologyChemistryAtmospheric sciencesPhysicsPhotosynthesisOrganic chemistryBiochemistryPhilosophySulfur

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. In this work, an adjoint-based data assimilation system (Nanjing University Carbon Assimilation System; NUCAS v1.0) was developed, which is capable of assimilating multiple observations to optimize process parameters of a satellite-data-driven ecosystem model – the Biosphere–atmosphere Exchange Process Simulator (BEPS). Data assimilation experiments were conducted to investigate the robustness of NUCAS and to test the feasibility and applicability of assimilating carbonyl sulfide (COS) fluxes from seven sites to enhance our understanding of stomatal conductance and photosynthesis. Results showed that NUCAS is able to achieve a consistent fit to COS observations across various ecosystems, including evergreen needleleaf forest, deciduous broadleaf forest, C3 grass, and C3 crop. Comparing model simulations with validation datasets, we found that assimilating COS fluxes notably improves the model performance in gross primary productivity and evapotranspiration, with average root-mean-square error (RMSE) reductions of 23.54 % and 16.96 %, respectively. We also showed that NUCAS is capable of constraining parameters through assimilating observations from two sites simultaneously and achieving a good consistency with single-site assimilation. Our results demonstrate that COS can provide constraints on parameters relevant to water, energy, and carbon processes with the data assimilation system and opens 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,386
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,023
Tête enseignante GPT0,202
Écart entre enseignants0,179 · 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 tête enseignante, pas un consensus.

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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeoscientific model developmentMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207