論文情報
- Title: Comparison of the Two Most Common Phenology Algorithms
Imbedded in Land Surface Models
- Authors: Chen B. (2022)
- Journal: Journal of Geophysical Research: Atmospheres, 127, e2022JD037167. https://doi.org/10.1029/2022JD037167
💡3 月 31 日に読んだものを 4 月 1 日にまとめ直しています。
論文メモ
Abstract
- LSM でよく使われる 2 つのフェノロジーアルゴリズム（GDD と GSI）の評価はあまり行われていない
- フェノフェーズと GPP の推定値を、落葉樹林および草原におけるサイトスケールの観測値と比較して検証
- 同じフェノロジーアルゴリズムのモデル間比較では、フェノロジーイベントの推定日差は 1 日未満であり、DLM が CLM よりも良好
- 同じモデルのフェノロジーアルゴリズム間比較では、GDD が GSI と比較して春季イベントで良好、秋季イベントで劣っていた
- GSI の方が GDD よりも GPP の推定精度が高かった
Introduction
- LSM に組み込まれるフェノロジーモデルは大きく 2 つに区分される
- 衛星観測の LAI を直接読み込む
- プロセスベースでフェノロジーを予測
- プロセスベースも 2 種類に大分
- GDD (accumulated growing-degree-days)
a. 土壌水分・日長も重要な成分
b. 元々は無視されていたが、これらを組み込んだ改善版が LSM では用いられることが多い
- GSI (growing season index)
a. フェノロジーと関連する複数の気候要因を 1 つの指数に統合し、年間を通じた植生の緑度を定量化
- CLM / DLM × GDD / GSI の 4 パターンを比較
- 落葉樹林 / 草原におけるフェノロジーの推定精度を観測値と比較して検証
- GPP も検証
Methods and Materials
- EC データは FLUXNET2015 から取得した 22 サイト / 88 サイト年分の 30 分間隔の気象・GPP データを利用
- 下向き短波放射、降水量、風速、気温および相対湿度がモデル駆動に必要
- 各サイトは 4 年ずつ、前半 2 年はキャリブレーション、後半 2 年はモデルの検証
- フェノロジーの推定値を検証するための観測データ
- EC 観測の GPP から導出
- GCC (green chromatic coordinate)データ
- EC 観測との地理的条件、サイト年を考慮して US-MOz PhenoCam サイトのみ利用
2種類のフェノロジーアルゴリズムの説明
GDD
- 2 つのサブアルゴリズムを持つ
- 季節性落葉
- ストレス性落葉
- CLM に元々組み込まれていた GDD では、土壌水分と日長も考慮
GSI
- GSI=f(T)×f(DL)×f(VPD)
Results
結果に関しては、Abstract に書いてあるとおりで、論文中に直接メモしてあります