Suite

13.1 : Production primaire - Géosciences


La productivité primaire est le taux auquel l'énergie est convertie en substances organiques dans une région ou un écosystème. L'énergie est convertie par autotrophe organismes (autoalimentés), convertissant l'énergie solaire ou chimique en biomasse. Fondamentalement, la production primaire est génération de nourriture par faire de la matière organique à partir de matière inorganique.

Processus primaire est photosynthèse (dans les eaux de surface peu profondes) et une petite quantité de chimiosynthèse (au niveau des évents de haute mer et sous terre). Énergie solaire est la principale source d'énergie dans la production de biomasse dans les océans mondiaux, avec des quantités relativement infimes provenant de sources chimiosynthétiques.


13.1 : Production primaire - Géosciences

Tous les articles publiés par MDPI sont rendus immédiatement disponibles dans le monde entier sous une licence en libre accès. Aucune autorisation particulière n'est requise pour réutiliser tout ou partie de l'article publié par MDPI, y compris les figures et les tableaux. Pour les articles publiés sous licence Creative Common CC BY en libre accès, toute partie de l'article peut être réutilisée sans autorisation à condition que l'article original soit clairement cité.

Les articles de fond représentent la recherche la plus avancée avec un potentiel important d'impact élevé dans le domaine. Les articles de fond sont soumis sur invitation individuelle ou sur recommandation des éditeurs scientifiques et font l'objet d'un examen par les pairs avant leur publication.

L'article de fond peut être soit un article de recherche original, une nouvelle étude de recherche substantielle qui implique souvent plusieurs techniques ou approches, ou un article de synthèse complet avec des mises à jour concises et précises sur les derniers progrès dans le domaine qui passe systématiquement en revue les avancées les plus passionnantes dans le domaine scientifique. Littérature. Ce type d'article donne un aperçu des orientations futures de la recherche ou des applications possibles.

Les articles du Choix de l'éditeur sont basés sur les recommandations des éditeurs scientifiques des revues MDPI du monde entier. Les rédacteurs en chef sélectionnent un petit nombre d'articles récemment publiés dans la revue qui, selon eux, seront particulièrement intéressants pour les auteurs ou importants dans ce domaine. L'objectif est de fournir un aperçu de certains des travaux les plus passionnants publiés dans les différents domaines de recherche de la revue.


Marché primaire des médicaments contre l'hyperoxalurie, impact COVID-19, taille de l'industrie mondiale 2021, demande, analyse de la croissance, part, revenus et prévisions 2027

  • Icône de courrier électronique
  • Icône Facebook
  • Icône Twitter
  • Icône Linkedin
  • Icône de flipboard
  • Icône d'impression
  • Icône de redimensionnement

Le service News MarketWatch n'a pas été impliqué dans la création de ce contenu.

25 mai 2021 (The Expresswire) -- Le rapport final ajoutera l'analyse de l'impact de COVID-19 sur cette industrie.

En situation d'épidémie de COVID-19, cela aura une grande influence sur ce marché. Le rapport « Marché des médicaments contre l’hyperoxalurie primaire » par matériau, application et géographie Global Forecast to 2025 est un rapport de recherche professionnel et complet sur les principales conditions du marché régional du monde, en se concentrant sur les principales régions (Amérique du Nord, Europe et Asie-Pacifique) et le principaux pays (États-Unis, Allemagne, Royaume-Uni, Japon, Corée du Sud et Chine)

À propos du marché Le rapport se concentre sur le volume et la valeur du médicament contre l'hyperoxalurie primaire au niveau mondial, au niveau régional et au niveau de l'entreprise. Dans une perspective mondiale, ce rapport représente la taille globale du marché de l’hyperoxalurie primaire en analysant les données historiques et les perspectives d’avenir. Au niveau régional, ce rapport se concentre sur plusieurs régions clés : Amérique du Nord, Europe, Asie-Pacifique, Amérique latine et Moyen-Orient et Afrique.

Marché mondial des médicaments contre l’hyperoxalurie primaire : moteurs et contraintes

Dans le rapport d’étude de marché sur les médicaments contre l’hyperoxalurie primaire, il a intégré l’analyse de différents facteurs qui augmentent la croissance du marché. Il constitue des tendances, des contraintes et des moteurs qui transforment le marché de manière positive ou négative. Cette section fournit également la portée des différents segments et applications qui peuvent potentiellement influencer le marché à l'avenir. Les informations détaillées sont basées sur les tendances actuelles et les jalons historiques. Ce rapport sur l’industrie du marché Primary Hyperoxaluria Drug fournit également une analyse du volume de production sur le marché mondial et sur chaque type de 2016 à 2027. Cette section mentionne le volume de production par région de 2016 à 2027. Une analyse des prix est incluse dans le rapport selon chaque type de l'année 2016 à 2027, fabricant de 2016 à 2021, région de 2016 à 2021, et prix global de 2016 à 2027.

Pour comprendre comment l'impact de Covid-19 est couvert dans ce rapport -https://www.absolutereports.com/enquiry/request-covid19/17462728

Une évaluation approfondie des restrictions incluses dans le rapport dépeint le contraste avec les conducteurs et donne de la place à la planification stratégique. Les facteurs qui éclipsent la croissance du marché sont cruciaux car ils peuvent être compris comme imaginant différents virages pour saisir les opportunités lucratives qui sont présentes sur le marché en constante croissance.

Les fabricants suivants sont couverts dans ce rapport :

● Alnylam Pharmaceuticals Inc

● Dicerna Pharmaceuticals Inc

● Intellia Therapeutics Inc

Segmentation du marché des médicaments contre l’hyperoxalurie primaire :

Marché des médicaments contre l'hyperoxalurie primaire Les types:

● ALLN-230
● DCR-PHXC
● ALN-GO1
● Autres

Marché des médicaments contre l'hyperoxalurie primaire Application:

● Hôpital
● Clinique
● Autres

Marché par région

Renseignez-vous ou partagez vos questions, le cas échéant, avant d'acheter ce rapport :-https://www.absolutereports.com/enquiry/pre-order-enquiry/17462728

Table des matières détaillée du rapport mondial de recherche sur le marché des médicaments contre l'hyperoxalurie primaire 2021

1 Aperçu du marché des médicaments contre l'hyperoxalurie primaire

1.1 Présentation du produit et portée du médicament primaire contre l'hyperoxalurie

1.2 Segment de médicament contre l'hyperoxalurie primaire par type

1.3 Segment de médicament contre l'hyperoxalurie primaire par application

1.4 Perspectives de croissance du marché mondial

1.5 Taille du marché mondial par région

2 Concurrence sur le marché par les fabricants

2.1 Part de marché mondiale de la production de médicaments contre l’hyperoxalurie primaire par les fabricants (2016-2021)

2.2 Part de marché mondiale des revenus des médicaments contre l’hyperoxalurie primaire par les fabricants (2016-2021)

2.3 Part de marché des médicaments contre l'hyperoxalurie primaire par type d'entreprise (niveau 1, niveau 2 et niveau 3)

2.4 Prix moyen mondial du médicament contre l'hyperoxalurie primaire par les fabricants (2016-2021)

2.5 Fabricants principaux sites de production de médicaments contre l'hyperoxalurie, zone desservie, types de produits

2.6 Situation et tendances concurrentielles du marché des médicaments contre l'hyperoxalurie primaire

3 Production et capacité par région

3.1 Production mondiale de part de marché des médicaments contre l’hyperoxalurie primaire par région (2016-2021)

3.2 Part de marché mondiale des revenus des médicaments contre l’hyperoxalurie primaire par région (2016-2021)

3.3 Production, revenus, prix et marge brute du médicament contre l'hyperoxalurie primaire mondiale (2016-2021)

3.4 Production primaire de médicaments contre l'hyperoxalurie en Amérique du Nord

3.5 Production primaire de médicaments pour l'hyperoxalurie en Europe

3.6 Production primaire de médicaments contre l'hyperoxalurie en Chine

3.7 Japon Production primaire de médicaments contre l'hyperoxalurie

3.8 Production primaire de médicaments contre l'hyperoxalurie en Corée du Sud

4 Consommation mondiale de médicaments contre l'hyperoxalurie primaire par région

4.1 Consommation mondiale de médicaments contre l'hyperoxalurie primaire par région

5 Production, revenus, tendance des prix par type

5.1 Part de marché mondiale de la production de médicaments contre l’hyperoxalurie primaire par type (2016-2021)

5.2 Part de marché mondiale des revenus des médicaments contre l’hyperoxalurie primaire par type (2016-2021)

5.3 Prix mondial du médicament contre l'hyperoxalurie primaire par type (2016-2021)

6 Analyse de la consommation par application

6.1 Part de marché mondiale de la consommation de médicaments contre l’hyperoxalurie primaire par application (2016-2021)

6.2 Taux de croissance de la consommation mondiale de médicaments contre l'hyperoxalurie primaire par application (2016-2021)

8 Analyse des coûts de fabrication des médicaments contre l'hyperoxalurie primaire

8.1 Analyse des matières premières clés du médicament contre l'hyperoxalurie primaire

8.2 Proportion de la structure des coûts de fabrication

8.3 Analyse du processus de fabrication du médicament primaire contre l'hyperoxalurie

8.4 Analyse de la chaîne industrielle du médicament contre l'hyperoxalurie primaire

9 Canal de commercialisation, distributeurs et clients

9.2 Liste des principaux distributeurs de médicaments contre l'hyperoxalurie

9.3 Clients du médicament primaire contre l'hyperoxalurie

10.1 Tendances de l’industrie des médicaments contre l’hyperoxalurie primaire

10.2 Moteurs primaires de croissance des médicaments pour l'hyperoxalurie

10.3 Défis du marché des médicaments contre l'hyperoxalurie primaire

10.4 Contraintes du marché des médicaments contre l'hyperoxalurie primaire

11 Prévisions de production et d'approvisionnement

11.2 Production de médicaments contre l'hyperoxalurie primaire en Amérique du Nord, prévisions de revenus (2022-2027)

11.3 Production primaire de médicaments contre l'hyperoxalurie en Europe, prévisions de revenus (2022-2027)

11.4 Production primaire de médicaments contre l'hyperoxalurie en Chine, prévisions de revenus (2022-2027)

11.5 Production primaire de médicaments contre l'hyperoxalurie au Japon, prévisions de revenus (2022-2027)

11.6 Production primaire de médicaments contre l'hyperoxalurie en Corée du Sud, prévisions de revenus (2022-2027)

12 Consommation et prévision de la demande

12.1 Analyse de la demande mondiale prévue du médicament primaire contre l'hyperoxalurie

12.2 Consommation prévue en Amérique du Nord de médicament contre l'hyperoxalurie primaire par pays

12.3 Consommation prévue du marché européen du médicament contre l'hyperoxalurie primaire par pays

12.4 Marché Asie-Pacifique Consommation prévue de médicament contre l'hyperoxalurie primaire par région

12.5 Amérique latine Consommation prévue de médicament primaire contre l'hyperoxalurie par pays

13 Prévisions par type et par application (2022-2027)

13.1 Production mondiale, revenus et prévisions de prix par type (2022-2027)

13.2 Consommation mondiale prévue de médicament contre l'hyperoxalurie primaire par application (2022-2027)

14 Résultats et conclusion de la recherche

15 Méthodologie et source de données

15.1 Méthodologie/Approche de recherche

Achetez ce rapport (prix 4000 USD pour une licence mono-utilisateur) à https://www.absolutereports.com/purchase/17462728

Informations de contact:

Organisation : Rapports absolus

Téléphone : +14242530807/+44203239 8187

Communiqué de presse distribué par The Express Wire

Y a-t-il un problème avec ce communiqué de presse? Contactez le fournisseur de la source Comtex à [email protected] Vous pouvez également contacter le service client MarketWatch via notre centre client.

Le service News MarketWatch n'a pas été impliqué dans la création de ce contenu.


3. Résultats

3.1 Validation

Le modèle de circulation a été validé pour l'ECS en termes de champ température-salinité, marées et courants (Xuan et al., 2016 , 2017 , 2019 ). Sur la base des observations de 2013, l'écart de température moyen dans le sud de l'ECS était de <1°C, et l'écart type des données d'observation variait de 0,91°C à 1,82°C (Xuan et al., 2019 ).

Xuan et al. (2019) ont constaté que la température de surface de la mer de l'ECS en 2013 était proche du résultat climatologique. L'année 2013 a été une année neutre sans El Niño ni La Niña (Climate Prediction Center Internet Team, 2019 ). Ainsi, l'environnement hydrographique de l'ECS en 2013 peut être considéré comme représentatif pour une année moyenne.

Les résultats simulés et les observations sont comparés en termes de densité et de structures Chl à la section A (figure 1b) comme le montrent les figures 2a et 2b, respectivement. La densité en été augmente de façon monotone avec la profondeur, indiquant une stratification stable (figure 2a). Il y a deux noyaux denses, l'un près du rivage et l'autre au large. La pycnocline s'approfondit avec une profondeur comprise entre 0 et 150 km au large et des hauts-fonds à 200 km au large. Le HRM et le LRM reproduisent tous deux l'environnement hydrographique stratifié. En regardant dans le Chl-a simulé dans les sections A1 à A7 de la campagne (Figure 2b), ni le HRM ni les LRM ne capturent le Chl-a élevé à la surface sur le plateau intérieur. Les deux (HRM et LRM) reproduisent le maximum de chlorophylle sous la surface (SCM Cullen, 2015) caractéristique sur la plate-forme médiane. Les résultats du HRM concordent mieux avec les données de campagne que les résultats du LRM en termes d'étendue verticale plus élevée de la couche SCM et de sa magnitude. Les stations d'enquête sont trop clairsemées pour révéler la variation spatio-temporelle subméso-échelle.

La figure 3 montre les profils dispersés de Chl-a et PAR tels que mesurés par la croisière estivale sur les plateaux intérieur, moyen et extérieur. Le SCM peut être trouvé mais n'est pas une caractéristique commune sur l'étagère intérieure (Figure 3a). La région côtière (plateau intérieur) est la plus (directement) affectée anthropiquement. L'interaction entre les eaux fluviales riches en nutriments, la turbidité élevée et le fort mélange des marées entraînent une variation spatio-temporelle élevée du phytoplancton (Hao et al., 2019 ). Notre modèle ne capture pas entièrement la grande variabilité sur l'étagère intérieure. Il y a un SCM à presque toutes les stations sur le plateau intermédiaire et le plateau extérieur (Figures 3b et 3c). Les résultats simulés se situent dans la plage de variation des profils Chl-a observés sur la plate-forme médiane (Figure 3b). La figure 3c montre que le HRM et le LRM reproduisent la caractéristique SCM sur le plateau externe en termes d'amplitude de SCM. Bien que le HRM fonctionne mieux que le LRM, la profondeur du SCM n'est pas bien simulée par l'un ou l'autre. L'inadéquation sur la plate-forme externe provient probablement du rapport constant de Chl-a à l'azote utilisé dans ce modèle (Steele, 1962, 1964). Les figures 3d à 3f indiquent que le modèle PAR modifié entraîne un taux d'atténuation PAR plus élevé dans les eaux côtières et un taux d'atténuation plus lent au large, ce qui concorde avec les mesures sur le terrain. Les données de la campagne illustrent également que le taux d'atténuation du PAR réel sur le plateau interne est supérieur au taux simulé contrairement au bon accord sur les plateaux intermédiaire et externe.

Les performances du HRM et du LRM sont ensuite évaluées en termes de distribution horizontale Chl-a. La moyenne verticale de Chl-a au sein de la couche euphotique (ELD moyenne Chl-a) basée sur les données de la croisière est illustrée à la figure 4a, et l'image composite GOCI de 12 jours pour Chl-a pendant la croisière est illustrée à la figure 4b. L'ELD est définie comme la profondeur à laquelle le PAR atteint une valeur égale à 1% de sa valeur de surface (Morel, 1988 ). La forte variation horizontale de Chl-a sur la plate-forme intérieure trouvée par l'enquête (Figure 4a) ne peut pas être vue dans les données de télédétection (Figure 4b) ou les sorties du modèle (Figures 4c et 4d). Les données de télédétection surestiment Chl-a sur le plateau intérieur, ce qui est en partie causé par l'interférence avec les particules en suspension (Hao et al., 2019 ). Dans l'ensemble, la concentration de Chl-a diminue vers le large, bien que des motifs inégaux soient couramment observés sur le large plateau (figures 4a et 4b). La nature inégale conduit probablement à la grande variation de Chl-a entre les différentes stations au cours de la croisière (Figure 4a). La tendance à la baisse et les schémas inégaux sont mieux représentés par le HRM (Figure 4c) que par le LRM (Figure 4d). Les données de télédétection représentées sur la figure 4b sont comparées aux sorties du HRM et du LRM point à point. Étant donné que Chl-a sur l'étagère intérieure est surestimée par le produit de télédétection (figures 4a et 4b), les échantillons sont sélectionnés à partir des étagères du milieu et de l'extérieur. Comme le montre la figure 4e, le coefficient de détermination R 2 pour les données HRM (l'intervalle de confiance à 95% est de 0,58 à 0,61) est beaucoup plus élevé que celui pour les données LRM (l'intervalle de confiance à 95% est de 0,36 à 0,40), ce qui suggère que la distribution inégale de Chl-a est mieux capturée par le HRM que par le LRM. Notez que le LRM sous-estime le Chl-a à de nombreuses positions, tandis que le HRM surestime le Chl-a à de nombreuses positions (Figure 4e). Liu et al. (2019) ont constaté que la plage de variation de Chl-a dans le sud du SEC en été est jusqu'à 100 fois supérieure. Le modèle reproduit relativement bien la distribution horizontale de Chl-a sur la majeure partie du sud de l'ECS en été, bien qu'il ne capture pas complètement la très variable Chl-a sur le plateau intérieur. En intégrant, le HRM estime qu'il y a 7,70 × 10 12 mg de Chl-a dans la région d'analyse, ce qui est environ 40 % supérieur à celui déterminé en utilisant le LRM (5,56 × 10 12 mg). Le Chl-a sur l'étagère du milieu représente 72% de tous les Chl-a dans la région d'analyse.

Les taux de croissance et de pâturage observés dans l'ECS sont ensuite comparés à ceux du modèle. Zheng et al. ( 2015 ) ont étudié la croissance spécifique et les taux de broutage spécifiques dans l'ECS via des expériences lors de croisières. En été, le taux de croissance spécifique moyen et les taux de broutage spécifiques à la couche de surface sont respectivement de 0,77 ± 0,53 et 0,69 ± 0,42 jour −1 , sur la base des données de 26 stations en hiver, le taux de croissance spécifique moyen et les taux de broutage spécifiques au couche de surface sont de 0,39 ± 0,18 et 0,21 ± 0,08 jour −1 , respectivement, sur la base des données de 24 stations. Les taux de croissance et de pâturage dans le modèle ne sont pas constants mais varient dans l'espace et dans le temps, et l'ensemble de données de croisière n'est pas assez grand pour une comparaison complète. Nous faisons la moyenne des valeurs de la surface à 20 m de profondeur pendant l'été et l'hiver, respectivement, pour vérifier si elles sont du même ordre de grandeur que les données de la campagne. Les taux moyens de croissance et de broutage dans la MRH pour l'été sont de 0,79 ± 0,46 et de 0,42 ± 0,37 jour −1 , respectivement les taux moyens de croissance et de broutage dans la MRH pour l'hiver sont de 0,59 ± 0,24 et 0,29 ± 0,23 jour −1 , respectivement. Étant donné le grand écart type des taux observés et simulés, les taux de croissance et de pâturage déterminés par le modèle peuvent être supposés cohérents avec les données de la campagne.

Les données Chl-a moyennes saisonnières et climatologiques dérivées des produits de télédétection sont utilisées pour examiner la capacité du modèle pour le cycle biogéochimique annuel dans la région d'analyse (décembre, janvier et février sont classés dans l'hiver, et les mois suivants sont divisés en d'autres saisons dans l'intervalle de trois). Hao et al. (2019) ont fourni un ensemble de données Chl-a modifié localement pour l'ECS sur la base d'une modification empirique des produits standard de l'Ocean Color Climate Change Initiative. Hao et al. ( 2019 ) ont spécifiquement calibré les données définies par la concentration de Chl-a mesurée par les navires dans l'ECS, où coexistent des eaux troubles et claires. Par rapport au produit standard, l'ensemble de données calibré par le Chl-a mesuré par navire a réduit le biais de 35 % à 8 % et l'erreur logarithmique de la moyenne quadratique de 46 % à 32 %. Le produit journalier de 1998 à 2013 a été moyenné pour obtenir la distribution surfacique moyenne mensuelle climatologique de Chl-a. Les données de télédétection climatologique révèlent le schéma général de variation saisonnière de la surface Chl-a. Les concentrations moyennes de Chl-a ELD simulées moyennées sur la région d'analyse sur quatre saisons sont comparées à celles des données de télédétection de la figure 5. Au printemps, en été et en automne, les moyennes HRM et LRM se situent à moins d'un écart type de la données de télédétection, et la moyenne HRM est plus proche de la moyenne de télédétection. En revanche, la moyenne ELD Chl-a en hiver simulée par le HRM ou le LRM est inférieure au résultat de la télédétection de plus d'un écart type. En hiver, le Chl-a est plus concentré près de la surface en raison du faible PAR, et le Chl-a moyen mensuel à la surface dans la région d'analyse peut atteindre 0,4 mg/m 3 , ce qui est très proche de la valeur extrait des données de télédétection. Néanmoins, la prudence s'impose dans l'interprétation des résultats hivernaux simulés en raison de cette inadéquation.

3.2 Faible activité SVA en été

La variation saisonnière de l'intensité de la SVA en termes de magnitude et de fréquence d'occurrence dans le sud de l'ECS a été étudiée de manière approfondie par Xuan et al. (2019). Ils ont également évalué de manière diagnostique les contributions à la SVA en examinant quatre mécanismes : la frontogenèse, les instabilités des couches mixtes, le vent thermique turbulent et les sillages topographiques. Bien que ces mécanismes soient complexes, il a été constaté qu'une profondeur de couche mélangée plus profonde était généralement corrélée à une SVA plus active. Quatre instantanés HRM de la vitesse verticale à 20 m de profondeur, correspondant chacun à l'une des quatre saisons, sont choisis pour illustrer l'activité SVA dans la couche supérieure. Pour distinguer la SVA du champ d'écoulement moyen, un filtre spatial passe-bas sur le champ de vitesse vertical est appliqué avec une échelle de coupure de 50 km (Sasaki et al., 2014), et la partie à courte longueur d'onde est prise pour représenter SVA, comme le montre la figure 6. La partie à grande longueur d'onde, désignée comme flux vertical moyen, est illustrée à la figure 7. Dans l'ensemble, la magnitude maximale de SVA est d'un ordre de grandeur plus grande que le flux vertical moyen dans l'ECS sud. Notamment, la SVA se produit moins fréquemment en été (figure 6c).

3.3 Différence de PP d'été entre HRM et LRM

Le PP dans cet article est défini comme le carbone produit par le phytoplancton moins sa respiration par jour. Il est classiquement appelé PP net, ce qui indique le taux d'énergie disponible fixé par les autotrophes marins pour les niveaux trophiques supérieurs. L'azote simulé dans le phytoplancton est converti en biomasse de carbone pour le calcul du PP via le ratio de Redfield (Redfield, 1934 ). La PP mensuelle et spatialement moyenne dans la région d'analyse, simulée par le HRM et le LRM, est représentée graphiquement à la figure 8. Pour déterminer si le phénomène est unique en 2013, nous exécutons également les modèles pour 2014. La variation saisonnière de la PP simulée par le HRM est cohérent avec les études précédentes, présentant une valeur élevée en été. En soustrayant le PP simulé par le LRM du résultat HRM, il est clair que la différence la plus significative se produit en été. Le PP moyen annuel simulé par le HRM est supérieur à celui simulé par le LRM d'environ 17 %. En particulier, le PP en été simulé par le HRM est d'environ 40 % supérieur à celui simulé par le LRM. Étant donné que le HRM est meilleur pour résoudre les processus à l'échelle inférieure que le LRM, l'impact de la SVA sur le PP peut être étudié en comparant les résultats du HRM et du LRM. Il est intéressant de comprendre la relation potentielle entre une activité SVA faible et un PP élevé en été.

3.4 SVA en tant que voie d'approvisionnement verticale importante en éléments nutritifs en été

Le HRM donne un champ de flux vertical assez différent en résolvant la SVA par rapport à celui du résultat LRM (Figures 9a et 9b). SVA établit de nombreuses voies d'échange d'eau verticales ascendantes et descendantes avec l'étendue horizontale de O(10) km à la section A un jour d'été. Les voies peuvent atteindre à la fois les couches mixtes superficielles et inférieures. La valeur maximale de l'advection verticale totale dans le HRM est le double de celle du LRM et d'un ordre de grandeur plus grand que le flux vertical moyen. Les figures 9c et 9d montrent le transport vertical de nitrate le même jour simulé par le HRM et le LRM, respectivement, à la section A en multipliant la vitesse verticale et la concentration en nitrate. L'influence de la SVA sur la dynamique des nutriments dépend du gradient vertical du profil nutritionnel. Le HRM peut résoudre de nombreuses voies de transport vertical des nitrates à l'échelle inférieure qui pénètrent de la couche de mélange de surface à la couche de mélange inférieure. En revanche, l'advection verticale du nitrate dans le LRM est très faible. Le transport vertical moyen quotidien maximal de nitrate dans le MRH est environ 8 fois supérieur à celui du LRM. Les figures 9e et 9f montrent PP à la section A ce jour-là dans le HRM et le LRM, respectivement. Nous examinerons la réponse potentiellement différente du PP à la SVA du nearshore au offshore. De 0 à 50 km du point de départ de la section, la SVA existe (Figure 9a) mais ne modifie pas beaucoup la structure de densité (Figures 9a et 9b) le transport des nutriments est également peu influencé par la SVA (Figures 9c et 9d) donc, le PP est quasiment inchangé en présence de SVA (Figures 9e et 9f). De 50 à 200 km, la SVA devient progressivement de plus en plus active (Figures 9a et 9b), ce qui se reflète également dans la fluctuation des isopycnales (Figure 9a) le transport vertical des nutriments devient perceptible dans le HRM (Figures 9c et 9d) cependant , le PP simulé par le HRM n'est pas tout à fait différent de celui du LRM (Figures 9e et 9f) ce qui est probablement dû à la forte turbidité des eaux côtières. De 200 à 400 km, diverses circulations verticales subméso-échelles entraînent soit de petites fluctuations, soit de fortes oscillations des voies de transport des nutriments isopycniques (figures 9a et 9b). atteindre aussi profondément que la couche limite inférieure (figures 9c et 9d) la grande différence dans le PP simulé par le HRM et le LRM (figures 9e et 9f) semble être associée à la SVA reflétée dans le modèle oscillatoire de la figure 9e la bande de PP élevée sous la surface s'élargit vers le bas dans le HRM par rapport à celui dans le LRM (figures 9e et 9f), et il est probablement étiré par la SVA (figures 9a et 9b). Le PP global du HRM est supérieur à celui du LRM, ce qui suggère une contribution positive de la SVA. L'impact de la SVA sur la dynamique des nutriments liés au PP en été est analysé plus en détail de manière quantitative dans ce qui suit.

(1) (2)


13.1 : Production primaire - Géosciences

Tous les articles publiés par MDPI sont rendus immédiatement disponibles dans le monde entier sous une licence en libre accès. Aucune autorisation particulière n'est requise pour réutiliser tout ou partie de l'article publié par MDPI, y compris les figures et les tableaux. Pour les articles publiés sous licence Creative Common CC BY en libre accès, toute partie de l'article peut être réutilisée sans autorisation à condition que l'article original soit clairement cité.

Les articles de fond représentent la recherche la plus avancée avec un potentiel important d'impact élevé dans le domaine. Les articles de fond sont soumis sur invitation individuelle ou sur recommandation des éditeurs scientifiques et font l'objet d'un examen par les pairs avant leur publication.

L'article de fond peut être soit un article de recherche original, une nouvelle étude de recherche substantielle qui implique souvent plusieurs techniques ou approches, ou un article de synthèse complet avec des mises à jour concises et précises sur les derniers progrès dans le domaine qui passe systématiquement en revue les avancées les plus passionnantes dans le domaine scientifique. Littérature. Ce type d'article donne un aperçu des orientations futures de la recherche ou des applications possibles.

Les articles du Choix de l'éditeur sont basés sur les recommandations des éditeurs scientifiques des revues MDPI du monde entier. Les rédacteurs en chef sélectionnent un petit nombre d'articles récemment publiés dans la revue qui, selon eux, seront particulièrement intéressants pour les auteurs ou importants dans ce domaine. L'objectif est de fournir un aperçu de certains des travaux les plus passionnants publiés dans les différents domaines de recherche de la revue.


13.1 : Production primaire - Géosciences

Tous les articles publiés par MDPI sont rendus immédiatement disponibles dans le monde entier sous une licence en libre accès. Aucune autorisation particulière n'est requise pour réutiliser tout ou partie de l'article publié par MDPI, y compris les figures et les tableaux. Pour les articles publiés sous licence Creative Common CC BY en libre accès, toute partie de l'article peut être réutilisée sans autorisation à condition que l'article original soit clairement cité.

Les articles de fond représentent la recherche la plus avancée avec un potentiel important d'impact élevé dans le domaine. Les articles de fond sont soumis sur invitation individuelle ou sur recommandation des éditeurs scientifiques et font l'objet d'un examen par les pairs avant leur publication.

L'article de fond peut être soit un article de recherche original, une nouvelle étude de recherche substantielle qui implique souvent plusieurs techniques ou approches, ou un article de synthèse complet avec des mises à jour concises et précises sur les derniers progrès dans le domaine qui passe systématiquement en revue les avancées les plus passionnantes dans le domaine scientifique. Littérature. Ce type d'article donne un aperçu des orientations futures de la recherche ou des applications possibles.

Les articles du Choix de l'éditeur sont basés sur les recommandations des éditeurs scientifiques des revues MDPI du monde entier. Les rédacteurs en chef sélectionnent un petit nombre d'articles récemment publiés dans la revue qui, selon eux, seront particulièrement intéressants pour les auteurs ou importants dans ce domaine. L'objectif est de fournir un aperçu de certains des travaux les plus passionnants publiés dans les différents domaines de recherche de la revue.


3.4 Formation et puits d'O 3

La figure 7 illustre la variation diurne de l'O simulé 3 concentration et taux de production net (y compris les voies de formation et de puits) dans S0. Dans la troposphère, O 3 est formé par les réactions du NO avec les radicaux peroxy (par exemple, HO 2 et RO 2 ) (Liu et al., 2012 Xue et al., 2016 Zhu et al., 2020a). Par conséquent, la réaction diurne de HO2+NON et RO2+NO a contribué en moyenne de 9,34 et 8,52 ppbv h -1 du O 3 produit. Par coïncidence, le taux maximum de HO2+NO (15,36 ppbv h −1 ) et RO2+NO (13,26 ppbv h -1 ) se sont tous deux produits à 13h00 LST. Nos résultats révèlent un taux total de production diurne d'O 3 ( P (O 3 ): la somme de HO 2 + NON et RO 2 + NO) à 17,86 ppbv h -1 , ce qui est conforme à une étude connexe à Pékin (32 ppbv h -1 , Liu et al., 2012) et à Hong Kong SAR, Chine (6,7 ppbv h -1 , Liu et al. , 2019).

En raison du cycle rapide des deux O 3 et non 2 , le puits de O 3 résulté de plusieurs réactions conduisant à la destruction d'O 3 et non 2 . Dans notre cas, la réaction de NO2+OH est la voie de balayage prédominante de O 3 , avec un taux de réaction diurne moyen de 1,89 ppbv h -1 (49 %, pourcentage de l'O total 3 taux de chute). Ceci est comparable aux études de Liu et al. (2012, 2019). De plus, la réaction de RO2+NON2 a été le deuxième contributeur à l'O 3 puits avec une contribution moyenne de 0,62 ppbv h -1 (16 %). D'autres voies, par exemple, la photolyse d'O 3 , ozonolyse des alcènes et O3+HO2 , ont contribué au total à 1,11 ppbv h −1 de l'O total diurne 3 taux de chute. Aussi, la moyenne diurne L (O 3) était de 3,87 ppbv h −1 , soit ∼ 22 % de P (O 3 ), suggérant que O 3 pourrait s'accumuler efficacement pendant la journée. La production nette d'O 3 ( P (O 3 ) − L (O 3 )) est également montré dans la Fig. 7. Nos résultats révèlent un maximum de O 3 concentration vers 16h00 LST, qui a également été observée dans d'autres sites suburbains (Zong et al., 2018 Zhang et al., 2019).

Figure 7Profils diurnes moyens simulés d'O 3 taux de formation et de chute (ppbv h −1 ) dans S0 (une) et S1 (b).


2 MÉTHODES DE RECHERCHE

Pour examiner l'utilisation et l'effet de l'application SAP dans l'agriculture et l'environnement, une recherche de la littérature publiée à l'aide de Web of Science a été menée le 20 mai 2019. Les termes de recherche sont répertoriés dans le tableau 1. Pour un article à inclure dans la revue, à l'adresse au moins un des sujets des catégories affinées était requis. De plus, les articles portant sur la science des polymères, l'extraction de métaux lourds et l'assèchement des résidus miniers ont été exclus de l'examen. Au total, 30 sources ont ainsi été identifiées et utilisées pour cette revue.

Terme un une Terme recherché en fonction des titres d'articles, des résumés et des mots-clés.
Catégories Les sujets
Polymère superabsorbant Sciences de l'environnement agronomie agriculture pluridisciplinaire, sciences du sol génie agricole, sciences pluridisciplinaires Agriculture, rendement, propriétés physiques du sol, densité apparente, compactage, régénération, déficit hydrique, salinité, nutriments, rétention d'eau
Polymère super absorbant Sciences de l'environnement agronomie agriculture pluridisciplinaire, sciences du sol génie agricole, sciences pluridisciplinaires Agriculture, rendement, propriétés physiques du sol, densité apparente, compactage, régénération, déficit hydrique, salinité, nutriments, rétention d'eau

Pour chaque article, les informations suivantes ont été recueillies : taux d'application, méthode de mélange du sol et du SAP, et la profondeur à laquelle le SAP a été incorporé dans le sol (tableau 2), et l'impact que SAP a eu sur la BD, la teneur en eau ( WC), évaporation, conductivité hydraulique saturée (KSam), l'infiltration, le pH, la conductivité électrique (CE), la capacité d'échange cationique (CEC), la rétention des nutriments, l'activité microbienne, la formation d'agrégats, le rendement ou la croissance des plantes et l'emplacement de l'expérience (tableau 3). Ces données ont été organisées par paramètre et évaluées si SAP augmentait ou diminuait la propriété du sol par rapport au témoin. Une augmentation de la propriété était indiquée par un « + », une diminution par un « – » et aucun changement par un « 0 ».

(a) 180 kg ha –1 c Noter. NR, non signalé.

(0,008% BM) (b) 0,3 m 3 de SAP : eau (0,008%)

  • Noter. NR, non rapporté.
  • un g dm -3 pour cent en masse (BM), calculé en utilisant une masse volumique apparente standard de 1,33 g cm -3 . b Le mélange a été effectué à l'aide de diverses méthodes, comme à la main, ou l'enlèvement de la terre et le mélange à la volée. c kg ha -1 converti en % de BM en utilisant une masse de tranches acre-sillon de 2 millions de livres.
Référence BD WC a a WC comprend la teneur en eau relative, l'eau disponible pour les plantes, la capacité de rétention d'eau, l'efficacité d'utilisation de l'eau, la teneur en eau gravimétrique et volumétrique. b Les symboles –, + et 0 indiquent respectivement une diminution, une augmentation et aucun changement dans chaque paramètre.
Évaporation KSam Infiltration pH CE CCE Rétention des nutriments Activité microbienne Formation d'agrégats Rendement/croissance des plantes Type d'étude
1. Abrisham et al., 2018 – b un WC comprend la teneur en eau relative, l'eau disponible pour les plantes, la capacité de rétention d'eau, l'efficacité d'utilisation de l'eau, la teneur en eau gravimétrique et volumétrique. b Les symboles –, + et 0 indiquent respectivement une diminution, une augmentation et aucun changement dans chaque paramètre.
+ + champ (Iran)
2. Bai et al., 2010 + +/– +/– laboratoire
3. Banedjschafie et Durner 2015 + laboratoire et terrain (Iran)
4. Bhardwaj et al., 2007 + +/– laboratoire
5. Cao et al., 2017 + + + champ (Chine)
6. Chen et al., 2016 + laboratoire
7. Chen et al., 2018 + + laboratoire
8. Dehkordi et al., 2017 + + laboratoire
9. Dehkordi, 2018 + 0 champ (Iran)
10. El-Asmar et al., 2017 + +/0 + laboratoire
11. Egrinya Eneji et al., 2013 + + laboratoire
12. Grabinski et al., 2019 + domaine
13. Han et al., 2010 + laboratoire
14. Han et al., 2013 laboratoire
15. Hou et al., 2017 + + champ (Chine)
16. Islam et al., 2011 + + + champ (Chine)
17. Al Jabri et al., 2015 + + laboratoire
18. Li et al., 2014 +/0 + + champ (Chine)
19. Montesano et al., 2015 + + laboratoire
20. Prabha et al., 2014 + +/– + + + laboratoire
21. Fazeli Rostampour et al., 2013 + + champ (Iran)
22. Salavati et al., 2018 + champ (Iran)
23. Satriani et al., 2018 + domaine (Italie)
24. Volkmar et Chang, 1995 + 0 laboratoire
25. Wilske et al., 2014 laboratoire
26. Yang et al., 2015 +/– laboratoire
27. Yu et al., 2011 + laboratoire
28. Yu et al., 2012 laboratoire
29. Yuguo et al., 2013 + laboratoire
30. Zhao et al., 2019 + laboratoire
  • un WC comprend la teneur en eau relative, l'eau disponible pour les plantes, la capacité de rétention d'eau, l'efficacité d'utilisation de l'eau, la teneur en eau gravimétrique et volumétrique. b Les symboles –, + et 0 indiquent respectivement une diminution, une augmentation et aucun changement dans chaque paramètre.

7. Conclusions

L'alcalinité est un concept central dans le tampon océanique et il est de la plus haute importance de comprendre et de quantifier son rôle dans l'absorption de dioxyde de carbone, la formation de minéraux carbonatés et le tampon océanique en période de changement global. Dans la section 2, nous avons montré qu'il est instructif de faire la distinction entre l'alcalinité de titrage mesurable (TA) basée sur un bilan protonique et la CBA. Cette distinction est nécessaire pour comprendre et quantifier l'impact des processus biogéochimiques tels que la calcification ou la production primaire sur l'alcalinité.

Bien que de nombreux progrès aient été réalisés dans les mesures précises et reproductibles de l'alcalinité du titrage, la quantification du tampon océanique par l'utilisation de facteurs tampons ou de sensibilité est sous-explorée, à l'exception du facteur de sensibilité de Revelle (Sundquist et al., 1979) et du tampon acide-base. capacité (Weber & Stumm, 1963). C'est malheureux car une telle analyse de sensibilité est essentielle pour attribuer les changements de pCO2 et/ou du pH aux changements physiques (température et salinité) et chimiques/biologiques (alcalinité et carbone inorganique dissous). Dans la section 3, nous avons fourni un traitement systématique de ces facteurs de sensibilité et identifié et résolu une terminologie incohérente. Avec la disponibilité de packages du domaine public tels que glucide (Gattuso et al., 2019 ) et AquaEnv (Hofmann, Soetaert, et al. ( 2010b )) qui facilitent leur calcul, cela fournit aux chercheurs les outils pour comprendre et prévoir les changements dans la chimie des océans. Cela peut être une rétrodiction du passé ou une prévision des changements de pH futurs dus à l'acidification des océans ou une prévision du pH futur, pCO2, ou les valeurs de saturation en carbonate lors de la manipulation de l'alcalinité lors de la géo-ingénierie (Renforth & Henderson, 2017 ).

While these sensitivity factors provide a powerful approach to deal with equilibrium reactions, they are less useful when buffering is provided by interactions with slowly reacting solids or by changes in biological processes (e.g., calcification). These heterogeneous buffering reactions are dominated by calcium carbonate formation and dissolution and normally discussed in terms of ocean carbonate compensation dynamics (Boudreau et al., 2018 ). Traditionally, the focus has been on the role of carbonate mineral dissolution in the water column and sediments, that is, chemical dissolution, which provides long-term buffering (Archer et al., 1998 , 2009 Ridgwell & Zeebe, 2005 Sigman et al., 1998 ). However, ocean acidification or warming also impact calcification (e.g., coral bleaching). This biological carbonate compensation mechanism has implications on the short term (months) for the carbonate compensation depth and on the longer term (kyr) for alkalinity accumulation in the ocean (Boudreau et al., 2018 ). Homogeneous buffering, chemical and biological carbonate compensation, and weathering feedbacks together govern the long-term fate of anthropogenic carbon dioxide (Archer et al., 1998 , 2009 Boudreau, Middelburg, Hoffmann, & Meysman, 2010 ). The very same processes have also been involved in the recovery of ocean chemistry to carbon perturbations in the past (Boudreau et al., 2018 Ridgwell & Zeebe, 2005 ).

Glossaire

  • Acid: substance donating a proton
  • Base: substance accepting a proton
  • Conjugated acids/bases: substances that only differ by one proton
  • acide fort: acid that donates all protons in natural water
  • weak acid: acid that partly dissociates to conjugate base and proton in water
  • pH: -logarithm10 of proton concentration (H + )
  • pK: -logarithm10 of equilibrium constant (K)
  • Bjerrum plot: graph showing the distribution of acids and their conjugated bases as a function of pH
  • alcalinité: the excess of proton acceptors (over proton donors) in a solution
  • titration alkalinity (TA): measurable alkalinity based on a proton balance
  • charge balance alkalinity (CBA): alkalinity based on excess of proton exchanging anions over cations, also known as excess negative charge (ENC)
  • buffer: solution with a mixture of weak acids and conjugated bases that resist changes by transferring protons
  • homogeneous buffer: solution resisting drastic changes by rearrangement of protons in solution phase only
  • heterogeneous buffer: a buffer system comprising both a solution and particles
  • buffer capacity: ability of a solution to resist changes, also known as buffer index or intensity.
  • sensitivity factor: change in output due to change in input, also known as chemical buffer factor, and the inverse of buffer capacity
  • carbonate compensation: response of carbonate production and dissolution processes in the ocean upon changes
  • proton balance: mass balance of protons
  • proton acceptor level: the number of protons that can be accepted for an acid–base system at a specific pH, the reverse is known as the proton level
  • reference level species: the major species of an acid–base system present at the reference level (e.g., pH = 4.5)
  • Revelle factor: a sensitivity factor expressing the change in carbon dioxide to the change in dissolved inorganic carbon

4.2 Further work

An example of rotation forestry has been shown in Fig. 9 for a single point. To represent forestry on a country, regional or global scale, further development of the model is required. The harvest frequency and timing are currently fixed for each PFT, meaning that all grid cells are harvested at the same time. Over a large number of grid cells, this would not be realistic and would produce undesirable hydrological and climatic effects. Further improvements to the model could enable the user to stagger the timing of harvesting. Allowing harvest frequency to vary regionally would better represent rotation forestry and increase yield by enabling the user to choose a regionally appropriate harvest frequency (shorter for more productive regions). Allowing harvest day-of-year to vary regionally would improve global-scale assessment of any bioenergy crop, since harvest timing is dependent on local climatology and affects local land surface properties, such as roughness length, albedo and transpiration rate, which in turn affect the climate. This functionality may be best implemented by allowing these variables to be user-prescribed for each grid cell. However, providing these data may be burdensome for the user, and some predictive algorithms based on climatology and growth, built into the model, may be more appropriate.

The algorithms for competition between PFTs within TRIFFID can potentially be used to determine the most suitable type of bioenergy crop in each grid cell. However, some modifications would need to be made to the existing code. In the simulations presented in this study, TRIFFID competition was enabled, allowing the bioenergy PFT to adjust its area to scale with its productivity – for example, allowing a crop to die back in response to an unsuitable environment. The current competition scheme is not useful for allowing different types of bioenergy PFTs to compete with each other within a grid cell, since it is based on height. This favours plants that can gain height easily, rather than shorter species with greater biomass density. A competition scheme based on above-ground biomass rather than height would be the first modification to make. This could help select between species within a harvesting regime, e.g. helping determine the best perennial grass for annual harvesting, or the best tree species for short-rotation coppicing. However, this may not necessarily select for the highest-yielding plant, because above-ground biomass is only a good proxy for yield at the end of the growing season, and competition for area is invoked at every iteration of TRIFFID (once per day in these simulations). Also, this development would not be useful for mixing PFTs with different harvest frequency or harvest day-of-year, since it would continue to bias competition towards the PFT that has been harvested less recently. The best solution would be to reapportion the bioenergy crop area between PFTs once per harvest cycle, based on the previous cycle's yield, but that would be a complex development given the existing model structure. Ultimately however, a yield-based competition scheme would still ignore the biophysical, economic and environmental factors that influence choice of crop type. As such, JULES-BE may always be more useful for informing these land-use decisions based on its output, rather than integrating these decisions into the existing model.

This study presents new functionality to represent second-generation bioenergy cropping and harvests in JULES. This is the first step to getting such processes represented mechanistically within Earth system models, in order that the effects of bioenergy cropping on the carbon cycle and climate system can be evaluated. JULES-BE allows for flexible parametrisation of many types of bioenergy PFTs, although only Miscanthus has been fully developed here. Yields of the Miscanthus PFT were within the range generally observed in the United States and Europe, though the model failed to capture the large variability in observed yields across and within sites.

Applications for JULES-BE include short-rotation coppicing, rotation forestry and residue harvesting from forests or agricultural systems. Future development will focus on improving the competition scheme so that multiple bioenergy PFTs can be represented simultaneously, and adding features to the harvest timing mechanism that improve representation of forest harvesting at regional or global scale.

Implications of this model functionality include the ability to study bioenergy cropping and harvests within a land surface model. Ultimately, this should facilitate climate change mitigation and climate modelling research to evaluate future low-carbon energy systems featuring bioenergy crops for their impacts on hydrology, climate and carbon storage.

This work was based on a version of JULES5.1 with additional developments that will be included in a future release of JULES. The code is available from the JULES FCM repository: https://code.metoffice.gov.uk/trac/jules (last access: 27 February 2019) (registration required). The version used was r12164_biotiles_harvest (located in the repository at branches/dev/emmalittleton/r12164_biotiles_harvest).

The supplement related to this article is available online at: https://doi.org/10.5194/gmd-13-1123-2020-supplement.

The aims and objectives of the project were jointly developed by EWL, ABH, NEV and TML. EWL developed the model code with help from ABH and MCDR and designed and performed the validation simulations with advice from ABH, NEV, RJO and TML. EWL and ABH prepared the manuscript with contributions from NEV, RJO, MCDR and TML.

The authors declare that they have no conflict of interest.

This work is part of FAB GGR (Feasibility of Afforestation and Biomass energy with carbon capture and storage for Greenhouse Gas Removal), a project funded by the UK Natural Environment Research Council (NE/P019951/1), part of a wider Greenhouse Gas Removal research programme ( http://www.fab-ggr.org/ , last access: 20 June 2019). Thanks are due to Jon Finch for carrying out the data collection at the Lincolnshire Miscanthus site. The authors thank Eddy Robertson and Andy Wiltshire for providing consultation and advice on the model development. Thanks also to Sarah Chadburn for feedback on draft figures. Maps were produced using map data from http://naturalearthdata.com (last access: 20 June 2019).

This research has been supported by the Natural Environment Research Council (grant no. NE/P019951/1), the Engineering and Physical Sciences Research Council (grant no. EP/N030141/1) and the Horizon 2020 programme (CRESCENDO grant no. 641816).

This paper was edited by David Lawrence and reviewed by two anonymous referees.

Amougou, N., Bertrand, I., Cadoux, S., and Recous, S.: Miscanthus × giganteus leaf senescence, decomposition and C and N inputs to soil, GCB Bioenergy, 4, 698–707, https://doi.org/10.1111/j.1757-1707.2012.01192.x, 2012.

Bauer, N., Calvin, K., Emmerling, J., Fricko, O., Fujimori, S., Hilaire, J., Eom, J., Krey, V., Kriegler, E., Mouratiadou, I., Sytze de Boer, H., van den Berg, M., Carrara, S., Daioglou, V., Drouet, L., Edmonds, J. E., Gernaat, D., Havlik, P., Johnson, N., Klein, D., Kyle, P., Marangoni, G., Masui, T., Pietzcker, R. C., Strubegger, M., Wise, M., Riahi, K., and van Vuuren, D. P.: Shared Socio-Economic Pathways of the Energy Sector – Quantifying the Narratives, Global Environ. Chang., 42, 316–330, https://doi.org/10.1016/j.gloenvcha.2016.07.006, 2017.

Baxter, X. C., Darvell, L. I., Jones, J. M., Barraclough, T., Yates, N. E., and Shield, I.: Miscanthus combustion properties and variations with Miscanthus agronomy, Fuel, 117, 851–869, https://doi.org/10.1016/j.fuel.2013.09.003, 2014.

Beringer, T. I. M., Lucht, W., and Schaphoff, S.: Bioenergy production potential of global biomass plantations under environmental and agricultural constraints, GCB Bioenergy, 3, 299–312, https://doi.org/10.1111/j.1757-1707.2010.01088.x, 2011.

Best, M. J., Pryor, M., Clark, D. B., Rooney, G. G., Essery, R. L. H., Ménard, C. B., Edwards, J. M., Hendry, M. A., Porson, A., Gedney, N., Mercado, L. M., Sitch, S., Blyth, E., Boucher, O., Cox, P. M., Grimmond, C. S. B., and Harding, R. J.: The Joint UK Land Environment Simulator (JULES), model description – Part 1: Energy and water fluxes, Geosci. Model Dev., 4, 677–699, https://doi.org/10.5194/gmd-4-677-2011, 2011.

Black, E., Vidale, P. L., Verhoef, A., Cuadra, S. V., Osborne, T., and Van den Hoof, C.: Cultivating C4 crops in a changing climate: sugarcane in Ghana, Environ. Rés. Lett., 7, 04402, https://doi.org/10.1088/1748-9326/7/4/044027, 2012.

Boysen, L. R., Lucht, W., Gerten, D., and Heck, V.: Impacts devalue the potential of large-scale terrestrial CO2 removal through biomass plantations, Environ. Rés. Lett., 11, 095010, https://doi.org/10.1088/1748-9326/11/9/095010, 2016.

Bréda, N. and Brunette, M.: Are 40 years better than 55? An analysis of the reduction of forest rotation to cope with drought events in a Douglas fir stand, Ann. Forest Sci., 76, 29, https://doi.org/10.1007/s13595-019-0813-3, 2019.

Burke, E. J., Chadburn, S. E., and Ekici, A.: A vertical representation of soil carbon in the JULES land surface scheme (vn4.3_permafrost) with a focus on permafrost regions, Geosci. Model Dev., 10, 959–975, https://doi.org/10.5194/gmd-10-959-2017, 2017.

Christian, D. G., Riche, A. B., and Yates, N. E.: Growth, yield and mineral content of Miscanthus × giganteus grown as a biofuel for 14 successive harvests, Ind. Crop Prod., 28, 320–327, https://doi.org/10.1016/j.indcrop.2008.02.009, 2008.

Chum, H., Faaij, A., Moreira, J., Berndes, G., Dhamija, P., Dong, H., Gabrielle, B., Goss Eng, A., Lucht, W., Mapako, M., Masera Cerutti, O., McIntyre, T., Minowa, T. , and Pingoud, K.: Bioenergy, in: IPCC Special Report on Renewable Energy Sources and Climate Change Mitigation, edited by: Edenhofer, O., Pichs-Madruga, R., Sokona, Y., Seyboth, K., Matschoss, P., Kadner, S., Zwickel, T., Eickemeier, P., Hansen, G., Schlömer, S., and Stechow, C. V., Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, 209–332, 2011.

Clark, D. B., Mercado, L. M., Sitch, S., Jones, C. D., Gedney, N., Best, M. J., Pryor, M., Rooney, G. G., Essery, R. L. H., Blyth, E., Boucher, O., Harding, R. J., Huntingford, C., and Cox, P. M.: The Joint UK Land Environment Simulator (JULES), model description – Part 2: Carbon fluxes and vegetation dynamics, Geosci. Model Dev., 4, 701–722, https://doi.org/10.5194/gmd-4-701-2011, 2011.

Clarke L., Jiang, K., Akimoto, K., Babiker, M., Blanford, G., Fisher-Vanden, K., Hourcade, J.-C., Krey, V., Kriegler, E., Löschel, A., McCollum, D., Paltsev, S., Rose, S., Shukla, P. R., Tavoni, M., van der Zwaan, B. C. C., and Vuuren, D. P. V.: Assessing Transformation Pathways, in: Climate Change 2014: Mitigation of Climate Change. Contribution of Working Group III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change, edited by: Edenhofer, O., Pichs-Madruga, R., Sokona, Y., Farahani, E., Kadner, S., Seyboth, K., Adler, A., Baum, I., Brunner, S., Eickemeier, P., Kriemann, B., Savolainen, J., Schlömer, S., von Stechow, C., Zwickel, T., and Minx, J. C., Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, 413–510, 2014.

Collins, W. J., Bellouin, N., Doutriaux-Boucher, M., Gedney, N., Halloran, P., Hinton, T., Hughes, J., Jones, C. D., Joshi, M., Liddicoat, S., Martin, G., O'Connor, F., Rae, J., Senior, C., Sitch, S., Totterdell, I., Wiltshire, A., and Woodward, S.: Development and evaluation of an Earth-System model – HadGEM2, Geosci. Model Dev., 4, 1051–1075, https://doi.org/10.5194/gmd-4-1051-2011, 2011.

Cosentino, S. L., Patanè, C., Sanzone, E., Copani, V., and Foti, S.: Effects of soil water content and nitrogen supply on the productivity of Miscanthus × giganteus Greef et Deu. in a Mediterranean environment, Ind. Crop Prod., 25, 75–88, https://doi.org/10.1016/j.indcrop.2006.07.006, 2007.

Daioglou, V., Doelman, J. C., Wicke, B., Faaij, A., and van Vuuren, D. P.: Integrated assessment of biomass supply and demand in climate change mitigation scenarios, Global Environ. Chang., 54, 88–101, https://doi.org/10.1016/j.gloenvcha.2018.11.012, 2019.

Doelman, J. C., Stehfest, E., Tabeau, A., van Meijl, H., Lassaletta, L., Gernaat, D. E. H. J., Hermans, K., Harmsen, M., Daioglou, V., Biemans, H., van der Sluis, S., and van Vuuren, D. P.: Exploring SSP land-use dynamics using the IMAGE model: Regional and gridded scenarios of land-use change and land-based climate change mitigation, Global Environ. Chang., 48, 119–135, https://doi.org/10.1016/j.gloenvcha.2017.11.014, 2018.

Fedenko, J. R., Erickson, J. E., Woodard, K. R., Sollenberger, L. E., Vendramini, J. M. B., Gilbert, R. A., Helsel, Z. R., and Peter, G. F.: Biomass Production and Composition of Perennial Grasses Grown for Bioenergy in a Subtropical Climate Across Florida, USA, Bioenerg. Res., 6, 1082–1093, https://doi.org/10.1007/s12155-013-9342-3, 2013.

Feng, X. P., Chen, Y., Qi, Y. H., Yu, C. L., Zheng, B.-S., Brancourt-Hulmel, M., and Jiang, D.-A.: Nitrogen enhanced photosynthesis of Miscanthus by increasing stomatal conductance and phosphoenolpyruvate carboxylase concentration, Photosynthetica, 50, 577–586, https://doi.org/10.1007/s11099-012-0061-3, 2012.

Fontaine, S., Bardoux, G., Abbadie, L., and Mariotti, A.: Carbon input to soil may decrease soil carbon content, Ecol. Lett., 7, 314–320, https://doi.org/10.1111/j.1461-0248.2004.00579.x, 2004.

Fuss, S., Canadell, J. G., Peters, G. P., Tavoni, M., Andrew, R. M., Ciais, P., Jackson, R. B., Jones, C. D., Kraxner, F., Nakicenovic, N., Le Quéré, C., Raupach, M. R., Sharifi, A., Smith, P., and Yamagata, Y.: Betting on negative emissions, Nat. Clim. Change, 4, 850–853, https://doi.org/10.1038/nclimate2392, 2014.

Haberl, H., Erb, K. H., Krausmann, F., Gaube, V., Bondeau, A., Plutzar, C., Gingrich, S., Lucht, W., and Fischer-Kowalski, M.: Quantifying and mapping the human appropriation of net primary production in earth's terrestrial ecosystems, P. Natl. Acad. Sci. USA, 104, 12942, https://doi.org/10.1073/pnas.0704243104, 2007.

Harper, A. B., Cox, P. M., Friedlingstein, P., Wiltshire, A. J., Jones, C. D., Sitch, S., Mercado, L. M., Groenendijk, M., Robertson, E., Kattge, J., Bönisch, G., Atkin, O. K., Bahn, M., Cornelissen, J., Niinemets, Ü., Onipchenko, V., Peñuelas, J., Poorter, L., Reich, P. B., Soudzilovskaia, N. A., and Bodegom, P. V.: Improved representation of plant functional types and physiology in the Joint UK Land Environment Simulator (JULES v4.2) using plant trait information, Geosci. Model Dev., 9, 2415–2440, https://doi.org/10.5194/gmd-9-2415-2016, 2016.

Harper, A. B., Powell, T., Cox, P. M., House, J., Huntingford, C., Lenton, T. M., Sitch, S., Burke, E., Chadburn, S. E., Collins, W. J., Comyn-Platt, E., Daioglou, V., Doelman, J. C., Hayman, G., Robertson, E., van Vuuren, D., Wiltshire, A., Webber, C. P., Bastos, A., Boysen, L., Ciais, P., Devaraju, N., Jain, A. K., Krause, A., Poulter, B., and Shu, S.: Land-use emissions play a critical role in land-based mitigation for Paris climate targets, Nat. Commun., 9, 2938, https://doi.org/10.1038/s41467-018-05340-z, 2018a.

Harper, A. B., Wiltshire, A. J., Cox, P. M., Friedlingstein, P., Jones, C. D., Mercado, L. M., Sitch, S., Williams, K., and Duran-Rojas, C.: Vegetation distribution and terrestrial carbon cycle in a carbon cycle configuration of JULES4.6 with new plant functional types, Geosci. Model Dev., 11, 2857–2873, https://doi.org/10.5194/gmd-11-2857-2018, 2018b.

Hastings, A., Clifton-Brown, J., Wattenbach, M., Mitchell, C. P., and Smith, P.: The development of MISCANFOR, a new Miscanthus crop growth model: towards more robust yield predictions under different climatic and soil conditions, GCB Bioenergy, 1, 154–170, https://doi.org/10.1111/j.1757-1707.2009.01007.x, 2009.

Heaton, E. A., Dohleman, F. G., and Long, S. P.: Meeting US biofuel goals with less land: the potential of Miscanthus, Glob. Change Biol., 14, 2000–2014, https://doi.org/10.1111/j.1365-2486.2008.01662.x, 2008.

Hempel, S., Frieler, K., Warszawski, L., Schewe, J., and Piontek, F.: Bias corrected GCM input data for ISIMIP Fast Track, GFZ Data Services, https://doi.org/10.5880/PIK.2016.001, 2013.

Hughes, J. K., Lloyd, A. J., Huntingford, C., Finch, J. W., and Harding, R. J.: The impact of extensive planting of Miscanthus as an energy crop on future CO2 atmospheric concentrations, GCB Bioenergy, 2, 79–88, https://doi.org/10.1111/j.1757-1707.2010.01042.x, 2010.

Huppmann, D., Kriegler, E., Krey, V., Riahi, K., Rogelj, J., Rose, S. K., Weyant, J., Bauer, N., Bertram, C., Bosetti, V., Calvin, K., Doelman, J., Drouet, L., Emmerling, J., Frank, S., Fujimori , S., Gernaat, D., Grubler, A., Guivarch, C., Haigh, M., Holz, C., Iyer, G., Kato, E., Keramidas, K., Kitous, A., Leblanc, F., Liu, J.-Y., Löffler, K., Luderer, G., Marcucci, A., McCollum, D., Mima, S., Popp, A., Sands, R. D., Sano, F., Strefler, J., Tsutsui, J., Van Vuuren, D., Vrontisi, Z., Wise, M., and Zhang, R.: IAMC 1.5 ∘ C Scenario Explorer and Data hosted by IIASA, Integrated Assessment Modeling Consortium & International Institute for Applied Systems Analysis, https://doi.org/10.22022/SR15/08-2018.15429, 2018.

Jeżowski, S., Głowacka, K., and Kaczmarek, Z.: Variation on biomass yield and morphological traits of energy grasses from the genus Miscanthus during the first years of crop establishment, Biomass Bioenerg., 35, 814–821, https://doi.org/10.1016/j.biombioe.2010.11.013, 2011.

Krause, A., Pugh, T. A. M., Bayer, A. D., Li, W., Leung, F., Bondeau, A., Doelman, J. C., Humpenoder, F., Anthoni, P., Bodirsky, B. L., Ciais, P., Muller, C., Murray-Tortarolo, G., Olin, S., Popp, A., Sitch, S., Stehfest, E., and Arneth, A.: Large uncertainty in carbon uptake potential of land-based climate-change mitigation efforts, Glob. Change Biol., 24, 3025–3038, https://doi.org/10.1111/gcb.14144, 2018.

LeBauer, D., Kooper, R., Mulrooney, P., Rohde, S., Wang, D., Long, S. P., and Dietze, M. C.: BETYdb: a yield, trait, and ecosystem service database applied to second-generation bioenergy feedstock production, GCB Bioenergy, 10, 61–71, https://doi.org/10.1111/gcbb.12420, 2018.

Li, W., Ciais, P., Makowski, D., and Peng, S.: A global yield dataset for major lignocellulosic bioenergy crops based on field measurements, Sci. Data, 5, 180169, https://doi.org/10.1038/sdata.2018.169, 2018a.

Li, W., Yue, C., Ciais, P., Chang, J., Goll, D., Zhu, D., Peng, S., and Jornet-Puig, A.: ORCHIDEE-MICT-BIOENERGY: an attempt to represent the production of lignocellulosic crops for bioenergy in a global vegetation model, Geosci. Model Dev., 11, 2249–2272, https://doi.org/10.5194/gmd-11-2249-2018, 2018b.

McCalmont, J. P., Hastings, A., McNamara, N. P., Richter, G. M., Robson, P., Donnison, I. S., and Clifton-Brown, J.: Environmental costs and benefits of growing Miscanthus for bioenergy in the UK, GCB Bioenergy, 9, 489–507, https://doi.org/10.1111/gcbb.12294, 2017.

Moore, J. R., Zhu, K., Huntingford, C., and Cox, P. M.: Equilibrium forest demography explains the distribution of tree sizes across North America, Environ. Rés. Lett., 13, 084019, https://doi.org/10.1088/1748-9326/aad6d1, 2018.

Muri, H.: The role of large–scale BECCS in the pursuit of the 1.5 ∘ C target: an Earth system model perspective, Environ. Rés. Lett., 13, 044010, https://doi.org/10.1088/1748-9326/aab324, 2018.

Oliver, R. J., Blyth, E., Taylor, G., and Finch, J. W.: Water use and yield of bioenergy poplar in future climates: modelling the interactive effects of elevated atmospheric CO2 and climate on productivity and water use, GCB Bioenergy, 7, 958–973, https://doi.org/10.1111/gcbb.12197, 2015.

Osborne, T., Gornall, J., Hooker, J., Williams, K., Wiltshire, A., Betts, R., and Wheeler, T.: JULES-crop: a parametrisation of crops in the Joint UK Land Environment Simulator, Geosci. Model Dev., 8, 1139–1155, https://doi.org/10.5194/gmd-8-1139-2015, 2015.

Payn, T., Carnus, J.-M., Freer-Smith, P., Kimberley, M., Kollert, W., Liu, S., Orazio, C., Rodriguez, L., Silva, L. N., and Wingfield, M. J.: Changes in planted forests and future global implications, Forest Ecol. Manag., 352, 57–67, https://doi.org/10.1016/j.foreco.2015.06.021, 2015.

Pogson, M., Hastings, A., and Smith, P.: How does bioenergy compare with other land-based renewable energy sources globally?, GCB Bioenergy, 5, 513–524, https://doi.org/10.1111/gcbb.12013, 2013.

Reichstein, M., Falge, E., Baldocchi, D., Papale, D., Aubinet, M., Berbigier, P., Bernhofer, C., Buchmann, N., Gilmanov, T., Granier, A., Grunwald, T., Havrankova, K., Ilvesniemi, H., Janous, D., Knohl, A., Laurila, T., Lohila, A., Loustau, D., Matteucci, G., Meyers, T., Miglietta, F., Ourcival, J.-M., Pumpanen, J., Rambal, S., Rotenberg, E., Sanz, M., Tenhunen, J., Seufert, G., Vaccari, F., Vesala, T., Yakir, D., and Valentini, R.: On the separation of net ecosystem exchange into assimilation and ecosystem respiration: review and improved algorithm, Glob. Change Biol., 11, 1424–1439, https://doi.org/10.1111/j.1365-2486.2005.001002.x, 2005.

Robertson, A. D., Davies, C. A., Smith, P., Dondini, M., and McNamara, N. P.: Modelling the carbon cycle of Miscanthus plantations: existing models and the potential for their improvement, GCB Bioenergy, 7, 405–421, https://doi.org/10.1111/gcbb.12144, 2015.

Robertson, A. D., Davies, C. A., Smith, P., Stott, A. W., Clark, E. L., and McNamara, N. P.: Carbon Inputs from Miscanthus Displace Older Soil Organic Carbon Without Inducing Priming, Bioenerg. Res., 10, 86–101, https://doi.org/10.1007/s12155-016-9772-9, 2016.

Robertson, A. D., Whitaker, J., Morrison, R., Davies, C. A., Smith, P., and McNamara, N. P.: A Miscanthus plantation can be carbon neutral without increasing soil carbon stocks, GCB Bioenergy, 9, 645–661, https://doi.org/10.1111/gcbb.12397, 2017.

Rogelj, J., Shindell, D., Jiang, K., Fifita, S., Forster, P., Ginzburg, V., Handa, C., Kheshgi, H., Kobayashi, S., Kriegler, E., Mundaca, L., Séférian, R., and Vilariño, M. V.: Mitigation Pathways Compatible with 1.5 ∘ C in the Context of Sustainable Development, in: Global Warming of 1.5 ∘ C, An IPCC Special Report on the impacts of global warming of 1.5 ∘ C above pre-industrial levels and related global greenhouse gas emission pathways, in the context of strengthening the global response to the threat of climate change, sustainable development, and efforts to eradicate poverty, edited by: Masson-Delmotte, V., Zhai, P., Pörtner, H.-O., Roberts, D., Skea, J., Shukla, P. R., Pirani, A., Moufouma-Okia, W., Péan, C., Pidcock, R., Connors, S., Matthews, J. B. R., Chen, Y., Zhou, X., Gomis, M. I., Lonnoy, E., Maycock, T., Tignor, M., and Waterfield, T., 93–174, in press, 2020.

Rose, S. K., Kriegler, E., Bibas, R., Calvin, K., Popp, A., van Vuuren, D. P., and Weyant, J.: Bioenergy in energy transformation and climate management, Climatic Change, 123, 477–493, https://doi.org/10.1007/s10584-013-0965-3, 2013.

Sabbatini, S., Arriga, N., Bertolini, T., Castaldi, S., Chiti, T., Consalvo, C., Njakou Djomo, S., Gioli, B., Matteucci, G., and Papale, D.: Greenhouse gas balance of cropland conversion to bioenergy poplar short-rotation coppice, Biogeosciences, 13, 95–113, https://doi.org/10.5194/bg-13-95-2016, 2016.

Sitch, S., Huntingford, C., Gedney, N., Levy, P. E., Lomas, M., Piao, S. L., Betts, R., Ciais, P., Cox, P., Friedlingstein, P., Jones, C. D., Prentice, I. C., and Woodward, F. I.: Evaluation of the terrestrial carbon cycle, future plant geography an d climate-carbon cycle feedbacks using five Dynamic Global Vegetation Models (DGVMs), Glob. Change Biol., 14, 2015–2039, https://doi.org/10.1111/j.1365-2486.2008.01626.x, 2008.

Smith, P., Davis, S. J., Creutzig, F., Fuss, S., Minx, J., Gabrielle, B., Kato, E., Jackson, R. B., Cowie, A., Kriegler, E., van Vuuren, D. P., Rogelj, J., Ciais, P., Milne, J., Canadell, J. G., McCollum, D., Peters, G., Andrew, R., Krey, V., Shrestha, G., Friedlingstein, P., Gasser, T., Grübler, A., Heidug, W. K., Jonas, M., Jones, C. D., Kraxner, F., Littleton, E., Lowe, J., Moreira, J. R., Nakicenovic, N., Obersteiner, M., Patwardhan, A., Rogner, M., Rubin, E., Sharifi, A., Torvanger, A., Yamagata, Y., Edmonds, J., and Yongsung, C.: Biophysical and economic limits to negative CO2 emissions, Nat. Clim. Change, 6, 42–50, https://doi.org/10.1038/nclimate2870, 2015.

Stehfest, E., van Vuuren, D., Kram, T., Bouwman, L., Alkemade, R., Bakkenes, M., Biemans, H., Bouwman, A., den Elzen, M., Janse, J., Lucas, P., van Minnen, J., Müller, C., and Prins, A.: Integrated Assessment of Global Environmental Change with IMAGE 3.0. Model description and policy applications, PBL Netherlands Environmental Assessment Agency, The Hague, 2014.


Voir la vidéo: GIFT2019: Plate Tectonics: Linking Surface Geology to Earths Deep Interior (Octobre 2021).