Paddy rice methane emissions across Monsoon Asia
Notice bibliographique
Résumé
Although rice cultivation is one of the most important agricultural sources of methane (CH4) and contributes ∼8% of total global anthropogenic emissions, large discrepancies remain among estimates of global CH4 emissions from rice cultivation (ranging from 18 to 115 Tg CH4 yr−1) due to a lack of observational constraints. The spatial distribution of paddy-rice emissions has been assessed at regional-to-global scales by bottom-up inventories and land surface models over coarse spatial resolution (e.g., > 0.5°) or spatial units (e.g., agro-ecological zones). However, high-resolution CH4 flux estimates capable of capturing the effects of local climate and management practices on emissions, as well as replicating in situ data, remain challenging to produce because of the scarcity of high-resolution maps of paddy-rice and insufficient understanding of CH4 predictors. Here, we combine paddy-rice methane-flux data from 23 global eddy covariance sites and MODIS remote sensing data with machine learning to 1) evaluate data-driven model performance and variable importance for predicting rice CH4 fluxes; and 2) produce gridded up-scaling estimates of rice CH4 emissions at 5000-m resolution across Monsoon Asia, where ∼87% of global rice area is cultivated and ∼ 90% of global rice production occurs. Our random-forest model achieved Nash-Sutcliffe Efficiency values of 0.59 and 0.69 for 8-day CH4 fluxes and site mean CH4 fluxes respectively, with land surface temperature, biomass and water-availability-related indices as the most important predictors. We estimate the average annual (winter fallow season excluded) paddy rice CH4 emissions throughout Monsoon Asia to be 20.6 ± 1.1 Tg yr−1 for 2001–2015, which is at the lower range of previous inventory-based estimates (20–32 CH4 Tg yr−1). Our estimates also suggest that CH4 emissions from paddy rice in this region have been declining from 2007 through 2015 following declines in both paddy-rice growing area and emission rates per unit area, suggesting that CH4 emissions from paddy rice in Monsoon Asia have likely not contributed to the renewed growth of atmospheric CH4 in recent years.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| 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 | 0,027 |
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 tête enseignante, 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 ».