Global distribution pattern in characteristics of gross primary productivity response to soil water availability
Notice bibliographique
Résumé
Understanding how carbon assimilation rates respond to water availability is crucial for diagnosing global carbon and water cycles. This study aims to investigate characteristics and drivers of gross primary productivity (GPP) responses to soil water availability using three parameters from a light-use-efficiency (LUE) model: W I , k W and α W , representing the inflection point, slope and lag effect of GPP response to soil water availability changes, respectively. We followed a hybrid modeling approach coupling an artificial neural network with the LUE model to derive model parameters and examine intricate relationships between these parameters and features characterizing climate, vegetation, nutrient deposition, soil properties and elevation across 196 eddy covariance sites. Relationships between the LUE model parameters and observed ecosystem properties were analyzed using partial dependence plots and Shapley additive explanation dependence plots. Our results revealed significant statistical differences in parameters across plant functional types. Specifically, forests exhibited lower inflection points, responding more steeply and immediately to water availability changes, contrasting with smoother and lagged responses from open shrubs. Vegetation seasonality, represented by variability of enhanced vegetation index (EVI) and seasonal EVI, was the most influential noncategorical factor, followed by soil properties. Notably, the relationships were predominantly nonlinear. Additionally, older forest ecosystems generally showed lower vulnerability while responding more steeply to relative soil water availability changes than younger forests. While aridity was less influential on parameter variability than anticipated, aridity seasonality was a primary driver for the inflection point. High temperatures and substantial diurnal and annual temperature ranges were linked to pronounced lag effects. Despite these findings, challenges remain regarding model accuracy on annual scales, parameter uncertainties and interactions between features. Overall, this study underscores the spatial heterogeneity of GPP responses to soil water availability and highlights the importance of considering variability in model parameters and GPP sensitivities across space and time.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».