MétaCan
Menu
← Retour à la cohorte
Enregistrement W4414669481 · doi:10.5194/egusphere-2025-4252

Technical note: How well do evapotranspiration partitioning approaches perform in moss-covered wetlands?

2025· article· en· W4414669481 sur OpenAlexafffundabout
Yi Wang, Richard M. Petrone, Lei Zhang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePeatlands and Wetlands Ecology
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNetworks of Centres of Excellence of CanadaCanada First Research Excellence FundGlobal Water FuturesAlberta InnovatesUniversity of Waterloo
Mots-clésEvapotranspirationEddy covarianceTranspirationFlux (metallurgy)Carbon fluxPrecipitationClimate changeEvaporation

Résumé

récupéré en direct d'OpenAlex

Abstract. Evapotranspiration (ET) is the dominant hydrologic flux in wetlands, and partitioning into transpiration (T) and evaporation (E) is essential for understanding water and carbon dynamics, guiding sustainable water management practices, and predicting responses to climate change in these systems. However, the presence of moss layers in many wetlands challenges the assumptions of commonly used partitioning methods. This study evaluates the performance of nine eddy covariance (EC)-based ET partitioning approaches across multiple moss-covered wetland sites located in boreal and the Canadian Rocky Mountains. The partitioning results from each approach were compared against independent measurement-based estimates, which were obtained using flux chamber, micro-lysimeters, sap flow sensors, and EC systems. Results showed that none of the evaluated methods provided both accurate and precise estimates of ET partitioning (T:ET), and no single method emerged as the most suitable for studied ecosystems. Despite this, the general agreement between modelled and measured T:ET values indicates that many of these approaches still provide valuable insights. Applying multiple methods concurrently is recommended, where possible, to enhance confidence in partitioning results. For researchers with access to high-frequency EC data, priority should be given to high-frequency EC-based methods due to their more consistent performance across sites. The findings also highlight the limitations of current partitioning approaches under evaporation-dominated conditions, and underscore the need to examine the mechanistic role of mosses, as well as to improve how optimal stomatal conductance theory is conceptualized and implemented in model formulations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,021
score de la tête « metaresearch » (Gemma)0,056
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,110

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,056
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,018
Tête enseignante GPT0,235
Écart entre enseignants0,217 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même sujetPeatlands and Wetlands Ecology→Travaux en français237 207→