LEADER 01000naa a22002652 4500
001 NLM356935221
003 DE-627
005 20231226071518.0
007 cr uuu---uuuuu
008 231226s2023 xx |||||o 00| ||eng c
024 7 |a 10.1111/gcb.16755  |2 doi 
028 5 2 |a pubmed24n1189.xml 
035 |a (DE-627)NLM356935221 
035 |a (NLM)37190869 
040 |a DE-627  |b ger  |c DE-627  |e rakwb 
041 |a eng 
100 1 |a Chang, Kuang-Yu  |e verfasserin  |4 aut 
245 1 0 |a Observational constraints reduce model spread but not uncertainty in global wetland methane emission estimates 
264 1 |c 2023 
336 |a Text  |b txt  |2 rdacontent 
337 |a ƒaComputermedien  |b c  |2 rdamedia 
338 |a ƒa Online-Ressource  |b cr  |2 rdacarrier 
500 |a Date Completed 06.07.2023 
500 |a Date Revised 31.08.2023 
500 |a published: Print-Electronic 
500 |a CommentIn: Glob Chang Biol. 2023 Aug;29(15):4175-4177. - PMID 37191537 
500 |a Citation Status MEDLINE 
520 |a © 2023 John Wiley & Sons Ltd. 
520 |a The recent rise in atmospheric methane (CH4 ) concentrations accelerates climate change and offsets mitigation efforts. Although wetlands are the largest natural CH4 source, estimates of global wetland CH4 emissions vary widely among approaches taken by bottom-up (BU) process-based biogeochemical models and top-down (TD) atmospheric inversion methods. Here, we integrate in situ measurements, multi-model ensembles, and a machine learning upscaling product into the International Land Model Benchmarking system to examine the relationship between wetland CH4 emission estimates and model performance. We find that using better-performing models identified by observational constraints reduces the spread of wetland CH4 emission estimates by 62% and 39% for BU- and TD-based approaches, respectively. However, global BU and TD CH4 emission estimate discrepancies increased by about 15% (from 31 to 36 TgCH4 year-1 ) when the top 20% models were used, although we consider this result moderately uncertain given the unevenly distributed global observations. Our analyses demonstrate that model performance ranking is subject to benchmark selection due to large inter-site variability, highlighting the importance of expanding coverage of benchmark sites to diverse environmental conditions. We encourage future development of wetland CH4 models to move beyond static benchmarking and focus on evaluating site-specific and ecosystem-specific variabilities inferred from observations 
650 4 |a Journal Article 
650 4 |a benchmarking 
650 4 |a bottom-up models 
650 4 |a eddy covariance 
650 4 |a methane emissions 
650 4 |a observational constraints 
650 4 |a top-down models 
650 4 |a wetland modeling 
650 7 |a Methane  |2 NLM 
650 7 |a OP0UW79H66  |2 NLM 
650 7 |a Carbon Dioxide  |2 NLM 
650 7 |a 142M471B3J  |2 NLM 
700 1 |a Riley, William J  |e verfasserin  |4 aut 
700 1 |a Collier, Nathan  |e verfasserin  |4 aut 
700 1 |a McNicol, Gavin  |e verfasserin  |4 aut 
700 1 |a Fluet-Chouinard, Etienne  |e verfasserin  |4 aut 
700 1 |a Knox, Sara H  |e verfasserin  |4 aut 
700 1 |a Delwiche, Kyle B  |e verfasserin  |4 aut 
700 1 |a Jackson, Robert B  |e verfasserin  |4 aut 
700 1 |a Poulter, Benjamin  |e verfasserin  |4 aut 
700 1 |a Saunois, Marielle  |e verfasserin  |4 aut 
700 1 |a Chandra, Naveen  |e verfasserin  |4 aut 
700 1 |a Gedney, Nicola  |e verfasserin  |4 aut 
700 1 |a Ishizawa, Misa  |e verfasserin  |4 aut 
700 1 |a Ito, Akihiko  |e verfasserin  |4 aut 
700 1 |a Joos, Fortunat  |e verfasserin  |4 aut 
700 1 |a Kleinen, Thomas  |e verfasserin  |4 aut 
700 1 |a Maggi, Federico  |e verfasserin  |4 aut 
700 1 |a McNorton, Joe  |e verfasserin  |4 aut 
700 1 |a Melton, Joe R  |e verfasserin  |4 aut 
700 1 |a Miller, Paul  |e verfasserin  |4 aut 
700 1 |a Niwa, Yosuke  |e verfasserin  |4 aut 
700 1 |a Pasut, Chiara  |e verfasserin  |4 aut 
700 1 |a Patra, Prabir K  |e verfasserin  |4 aut 
700 1 |a Peng, Changhui  |e verfasserin  |4 aut 
700 1 |a Peng, Sushi  |e verfasserin  |4 aut 
700 1 |a Segers, Arjo  |e verfasserin  |4 aut 
700 1 |a Tian, Hanqin  |e verfasserin  |4 aut 
700 1 |a Tsuruta, Aki  |e verfasserin  |4 aut 
700 1 |a Yao, Yuanzhi  |e verfasserin  |4 aut 
700 1 |a Yin, Yi  |e verfasserin  |4 aut 
700 1 |a Zhang, Wenxin  |e verfasserin  |4 aut 
700 1 |a Zhang, Zhen  |e verfasserin  |4 aut 
700 1 |a Zhu, Qing  |e verfasserin  |4 aut 
700 1 |a Zhu, Qiuan  |e verfasserin  |4 aut 
700 1 |a Zhuang, Qianlai  |e verfasserin  |4 aut 
773 0 8 |i Enthalten in  |t Global change biology  |d 1999  |g 29(2023), 15 vom: 16. Aug., Seite 4298-4312  |w (DE-627)NLM098239996  |x 1365-2486  |7 nnns 
773 1 8 |g volume:29  |g year:2023  |g number:15  |g day:16  |g month:08  |g pages:4298-4312 
856 4 0 |u http://dx.doi.org/10.1111/gcb.16755  |3 Volltext 
912 |a GBV_USEFLAG_A 
912 |a SYSFLAG_A 
912 |a GBV_NLM 
912 |a GBV_ILN_350 
951 |a AR 
952 |d 29  |j 2023  |e 15  |b 16  |c 08  |h 4298-4312