Published September 23, 2022
| Version v1
Publication
Open
A two-stage light-use efficiency model for improving gross primary production estimation in agroecosystems
Creators
- 1. Institute of Geographic Sciences and Natural Resources Research
- 2. Chinese Academy of Sciences
- 3. University of Chinese Academy of Sciences
- 4. Jimei University
- 5. Sichuan University
- 6. Institute of Agricultural Resources and Regional Planning
- 7. Chinese Academy of Agricultural Sciences
- 8. Ministry of Agriculture and Rural Affairs
Description
Abstract Accurate quantification of gross primary production (GPP) in agroecosystems not only improves our ability to understand the global carbon budget but also plays a critical role in human welfare and development. Light-use efficiency (LUE) models have been widely applied in estimating regional and global GPP due to their simple structure and clear physical basis. However, maximum LUE ( ε max ), a key photosynthetic parameter in LUE models, has generally been treated as a constant, leading to common overestimation and underestimation of low and high magnitudes of GPP, respectively. Here, we propose a parsimonious and practical two-stage LUE (TS-LUE) model to improve GPP estimates by (a) considering seasonal variations of ε max , and (b) separately re-parameterizing ε max in the green-up and senescence stages. The TS-LUE model is inter-compared with state-of-the-art ε max –static moderate resolution imaging spectroradiometer-GPP, eddy-covariance-LUE, and vegetation production models. Validation results at 14 FLUXNET sites for five crop species showed that: (a) the TS-LUE model significantly reduced the large bias at high- and low-level GPP as produced by the three ε max –static LUE models for all crop types; and (b) the TS-LUE model generated daily GPP estimates in good agreement with in-situ measurements and was found to outperform the three ε max –static LUE models. Especially compared to the well-known moderate resolution imaging spectroradiometer-GPP, the TS-LUE model could remarkably decrease the root mean square error (in gC m −2 d −1 ) by 24.2% and 35.4% (from 3.84 to 2.91 and 2.48) and could increase the coefficient of determination by 14.7% and 20% (from 0.75 to 0.86 and 0.9) when the leaf area index (LAI) and infrared reflectance of vegetation (NIR v ) were used to re-parameterize the ε max , respectively. The TS-LUE model provides a brand-new perspective on the re-parameterization of ε max and indicates great potential for improving daily agroecosystem GPP estimates at a global scale.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
لا يؤدي التحديد الكمي الدقيق لإجمالي الإنتاج الأولي في النظم الإيكولوجية الزراعية إلى تحسين قدرتنا على فهم ميزانية الكربون العالمية فحسب، بل يلعب أيضًا دورًا حاسمًا في رفاهية الإنسان وتنميته. تم تطبيق نماذج كفاءة الاستخدام الخفيف (LUE) على نطاق واسع في تقدير الناتج المحلي الإجمالي الإقليمي والعالمي بسبب هيكلها البسيط وأساسها المادي الواضح. ومع ذلك، تم التعامل مع الحد الأقصى لـ LUE (ε MAX )، وهو معلمة التمثيل الضوئي الرئيسية في نماذج LUE، بشكل عام على أنه ثابت، مما يؤدي إلى المبالغة في التقدير والتقليل من الأحجام المنخفضة والعالية لـ GPP، على التوالي. هنا، نقترح نموذجًا عمليًا من مرحلتين (TS - LUE) لتحسين تقديرات GPP من خلال (أ) النظر في الاختلافات الموسمية لـ ε max ، و (ب) إعادة معايرة ε max بشكل منفصل في مرحلتي التخضير والشيخوخة. يُقارن نموذج TS - LUE بأحدث نماذج التصوير الإشعاعي المتوسط الاستاتيكي- GPP وEddy - covariance - LUE ونماذج إنتاج الغطاء النباتي. أظهرت نتائج التحقق في 14 موقع FLUXNET لخمسة أنواع من المحاصيل ما يلي: (أ) قلل نموذج TS - LUE بشكل كبير من التحيز الكبير عند GPP عالي ومنخفض المستوى كما هو ناتج عن نماذج LUE الثلاثة ε MAX - STATIC لجميع أنواع المحاصيل ؛ و (ب) أنتج نموذج TS - LUE تقديرات يومية لـ GPP بما يتفق بشكل جيد مع القياسات في الموقع ووجد أنه يتفوق على نماذج LUE الثلاثة ε MAX - STATIC. يمكن لنموذج TS - LUE أن يقلل بشكل ملحوظ من متوسط الجذر التربيعي للخطأ (في gC m -2 d -1 ) بنسبة 24.2 ٪ و 35.4 ٪ (من 3.84 إلى 2.91 و 2.48) ويمكن أن يزيد من معامل التحديد بنسبة 14.7 ٪ و 20 ٪ (من 0.75 إلى 0.86 و 0.9) عندما تم استخدام مؤشر مساحة الورقة (LAI) وانعكاس الأشعة تحت الحمراء للغطاء النباتي (NIR v ) لإعادة معايرة ε max ، على التوالي. يوفر نموذج TS - LUE منظورًا جديدًا تمامًا حول إعادة تحديد معلمات ε MAX ويشير إلى إمكانات كبيرة لتحسين تقديرات GPP اليومية للنظام الإيكولوجي الزراعي على نطاق عالمي.Translated Description (French)
Résumé Une quantification précise de la production primaire brute (ppm) dans les agroécosystèmes améliore non seulement notre capacité à comprendre le budget carbone mondial, mais joue également un rôle essentiel dans le bien-être et le développement humains. Les modèles d'efficacité d'utilisation de la lumière (LUE) ont été largement appliqués dans l'estimation des ppm régionaux et mondiaux en raison de leur structure simple et de leur base physique claire. Cependant, le maximum LUE ( ε max ), un paramètre photosynthétique clé dans les modèles LUE, a généralement été traité comme une constante, entraînant une surestimation et une sous-estimation communes des grandeurs faibles et élevées de GPP, respectivement. Ici, nous proposons un modèle LUE (TS-LUE) à deux étapes pratique et parcimonieux pour améliorer les estimations GPP en (a) prenant en compte les variations saisonnières de ε max , et (b) en re-paramétrisant séparément ε max dans les étapes de verdissement et de sénescence. Le modèle TS-LUE est comparé à l'état de l'art ε max -statique spectroradiomètre d'imagerie à résolution modérée-GPP, eddy-covariance-LUE, et les modèles de production de végétation. Les résultats de validation sur 14 sites FLUXNET pour cinq espèces de cultures ont montré que : (a) le modèle TS-LUE a significativement réduit le biais important aux GPP de haut et de bas niveau tel que produit par les trois modèles ε max -statiques de LUE pour tous les types de cultures ; et (b) le modèle TS-LUE a généré des estimations quotidiennes de GPP en bon accord avec les mesures in situ et s'est avéré surpasser les trois modèles ε max -statiques de LUE. Surtout par rapport au bien connu spectroradiomètre d'imagerie à résolution modérée-GPP, le modèle TS-LUE pourrait réduire remarquablement l'erreur quadratique moyenne (en gC m −2 d −1 ) de 24,2% et 35,4% (de 3,84 à 2,91 et 2,48) et pourrait augmenter le coefficient de détermination de 14,7% et 20% (de 0,75 à 0,86 et 0,9) lorsque l'indice de surface foliaire (LAI) et la réflectance infrarouge de la végétation (NIR v ) ont été utilisés pour re-paramétrer l' ε max , respectivement. Le modèle TS-LUE offre une toute nouvelle perspective sur la re-paramétrisation d' ε max et indique un grand potentiel d'amélioration des estimations quotidiennes des ppm des agroécosystèmes à l'échelle mondiale.Translated Description (Spanish)
Resumen La cuantificación precisa de la producción primaria bruta (GPP) en los agroecosistemas no solo mejora nuestra capacidad para comprender el presupuesto mundial de carbono, sino que también desempeña un papel fundamental en el bienestar y el desarrollo humanos. Los modelos de eficiencia del uso de la luz (LUE) se han aplicado ampliamente en la estimación de GPP regionales y globales debido a su estructura simple y base física clara. Sin embargo, el LUE máximo ( ε max ), un parámetro fotosintético clave en los modelos LUE, generalmente se ha tratado como una constante, lo que lleva a una sobreestimación y subestimación común de magnitudes bajas y altas de GPP, respectivamente. Aquí, proponemos un modelo LUE de dos etapas (TS-LUE) parsimonioso y práctico para mejorar las estimaciones de GPP al (a) considerar las variaciones estacionales de ε max , y (b) volver a parametrizar por separado ε max en las etapas de reverdecimiento y senescencia. El modelo TS-LUE se intercompara con el espectrorradiómetro de imágenes de resolución moderada ε max estático de última generación: GPP, covarianza de remolinos-LUE y modelos de producción de vegetación. Los resultados de la validación en 14 sitios FLUXNET para cinco especies de cultivos mostraron que: (a) el modelo TS-LUE redujo significativamente el gran sesgo en GPP de alto y bajo nivel producido por los tres modelos LUE ε max-estáticos para todos los tipos de cultivos; y (b) el modelo TS-LUE generó estimaciones diarias de GPP en buen acuerdo con las mediciones in situ y se encontró que superaba a los tres modelos LUE ε max-estáticos. Especialmente en comparación con el conocido espectrorradiómetro de imágenes de resolución moderada-GPP, el modelo TS-LUE podría disminuir notablemente el error cuadrático medio (en gC m −2 d −1 ) en un 24.2% y 35.4% (de 3.84 a 2.91 y 2.48) y podría aumentar el coeficiente de determinación en un 14.7% y 20% (de 0.75 a 0.86 y 0.9) cuando se utilizaron el índice de área foliar (LAI) y la reflectancia infrarroja de la vegetación (NIR v ) para volver a parametrizar el ε max , respectivamente. El modelo TS-LUE proporciona una nueva perspectiva sobre la re-parametrización de ε max e indica un gran potencial para mejorar las estimaciones diarias de GPP de los agroecosistemas a escala global.Files
pdf.pdf
Files
(11.9 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:a780ec95a60e5325ea197e4c84f6512b
|
11.9 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- نموذج كفاءة الاستخدام الخفيف على مرحلتين لتحسين تقدير الإنتاج الأولي الإجمالي في النظم الإيكولوجية الزراعية
- Translated title (French)
- Un modèle d'efficacité d'utilisation de la lumière en deux étapes pour améliorer l'estimation de la production primaire brute dans les agroécosystèmes
- Translated title (Spanish)
- Un modelo de eficiencia del uso de la luz en dos etapas para mejorar la estimación de la producción primaria bruta en agroecosistemas
Identifiers
- Other
- https://openalex.org/W4294365710
- DOI
- 10.1088/1748-9326/ac8b98
References
- https://openalex.org/W1896386811
- https://openalex.org/W1965695103
- https://openalex.org/W1967559713
- https://openalex.org/W1983614388
- https://openalex.org/W2008085934
- https://openalex.org/W2038137144
- https://openalex.org/W2058472204
- https://openalex.org/W2075271931
- https://openalex.org/W2081585295
- https://openalex.org/W2082136988
- https://openalex.org/W2123095840
- https://openalex.org/W2147423506
- https://openalex.org/W2158897782
- https://openalex.org/W2164574849
- https://openalex.org/W2166405332
- https://openalex.org/W2416203296
- https://openalex.org/W2573457962
- https://openalex.org/W2574299844
- https://openalex.org/W2603028033
- https://openalex.org/W2735018031
- https://openalex.org/W2766496462
- https://openalex.org/W2774579544
- https://openalex.org/W2799581849
- https://openalex.org/W2802251541
- https://openalex.org/W2811488199
- https://openalex.org/W2885727856
- https://openalex.org/W2905254777
- https://openalex.org/W2908975298
- https://openalex.org/W2950734190
- https://openalex.org/W2998010201
- https://openalex.org/W3010734168
- https://openalex.org/W3090810320
- https://openalex.org/W3105128505
- https://openalex.org/W3112101388
- https://openalex.org/W3120523171
- https://openalex.org/W3192062110
- https://openalex.org/W3200867850
- https://openalex.org/W4200607121
- https://openalex.org/W4206804406
- https://openalex.org/W4220922814
- https://openalex.org/W4220943473
- https://openalex.org/W4244704947