Quantifying Topographic Effects on Carbon and Water Fluxes Over Mountainous Areas
Notice bibliographique
Résumé
Abstract Relative to flat surfaces, mountain terrains modify solar radiation absorbed by vegetation on sloping surfaces, causing changes in mass and energy fluxes, including gross primary productivity (GPP) and evapotranspiration (ET). However, these changes are generally ignored in regional and global ecosystem models and their magnitudes have not been systematically evaluated. In this study, we first validated the Biosphere‐atmosphere Exchange Process Simulator (BEPS) model against measured GPP and ET over mountainous sites, and then applied it to a mountainous region (Fujian Province, China). In BEPS, the topographic effects are systematically considered in the following steps: (1) the satellite‐derived leaf area index (LAI) is projected to sloping surfaces, (2) canopy radiative transfer is modeled relative to the normal to the slope, and (3) the modeled fluxes are reprojected from sloping to horizontal surfaces. Step (1) decreases LAI as sloping surfaces are larger than the corresponding horizontal surfaces, but Step (3) increases fluxes in the opposite way. Because of the nonlinear relationships between fluxes and LAI, GPP and ET simulations without considering the topographic effects are always underestimated, especially on sunlit slopes. The underestimation increases with increasing slope, and for slopes greater than 40°, GPP is underestimated by 11% and ET by 33%, suggesting that existing global GPP and ET products could have been significantly underestimated in mountainous regions.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».