Forest transpiration in Brazilian drylands: measurement and validation of a hydrological model
Notice bibliographique
Résumé
Transpiration, particularly in dryland forests, plays a major role in the water cycle. The one-million km2 Caatinga Biome is a data-scarce region in the Brazilian Semiarid, where water availability is highly dependent on rainfall. This work aims to measure the natural Caatinga vegetation transpiration through sap flow monitoring (between Feb 2016 and Dec 2017) and to validate both a hydrological and a remote sensing-based model. Besides, we correlate transpiration with climatological variables, such as air temperature, relative humidity and net radiation during rainy and transition seasons. The hydrological model used was the Distributed Catchment Scale Model (DiCaSM), and the remote sensing-based model employed was the Penman-Monteith-Leuning (PML-V2). Measured transpiration in situ was on overall average 0.58 mm.day-1 for rainy and transition seasons. There is evidence that sap flow does not provide a good representation of transpiration in dry seasons: sap flow is high, whereas, according to the Literature, evapotranspiration (and, thus, transpiration) is negligible (< 0.01 mm.day-1) due to a very low soil water content. Transpiration estimated by DiCaSM presented a well-defined seasonal variability, with values close to zero during the driest months, in agreement to measured transpiration (Tukey p-value < 0.05). The remote sensing-based transpiration model also showed a well-defined seasonal pattern, but overestimated transpiration in almost the entire measurement period. During the rainy and the transition seasons positive correlations were observed, as expected, between i) transpiration and air temperature, ii) transpiration and air humidity and iii) transpiration and net radiation. Low air humidity and the release of water vapor through transpiration help to increase local air humidity. The spatial distribution of transpiration rates was also assessed. The study area did not depict a great spatial dynamic, and this fact may be explained by a low spatial resolution and the uniformity of the natural forest.
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 | 0,001 | 0,001 |
| 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 | 0,000 |
| Science ouverte | 0,001 | 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 ».