Thématique
Modélisation des émissions des gaz à effet de serre (GAS).
Technologies
- analyse temporelle (ARIMA)
- apprentissage automatique/machine learning (régression multiple)
- statistiques (corrélation, modélisation mixte)
Description
Analyse des émissions de gaz à effet de serre dans des conditions de concentrations atmosphériques en CO2 élevées. En résumé, cela mimique les conditions de changement climatique prévues pour l’année 2100.
Voir l’article “Présentation du site EucFACE” pour une description détaillée du projet, incluant l’hypothèse scientifique testée, matériel et méthodes et les références bibliographiques principales.
Vidéo 1: Prenant de la hauteur dans un anneau au site EucFACE.
Photo 1: Vue sur la canopée depuis l’anneau 1 au site EucFACE.
Une analyse temporelle (time-series analysis) a été appliquée (Figure 1) pour tester l’hypothèse scientifique de départ:
« Quel est l’effet de l’augmentation du dioxide de carbone (CO2) dans l’atmosphère sur les émissions des gaz à effet de serre? »
Figure 1: Emissions des gaz à effet de serre (GAS) pour le méthane (CH4 flux - panneau a), l’oxyde nitreux (N2O flux - panneau b) et le dioxyde de carbone (CO2 flux - panneau c). Les concentrations ambiantes (ligne blue) et élevées (ligne rouge) du CO2 atmosphérique représentent le « traitement » appliqué pour tester l’hypothèse scientifique investiguée.
Il y a un lien fort entre l’intensité des émissions de GAS et l’intensité des épisodes pluvieux (panneau d).
Ces travaux ont été publiés par Martins, Nazaries et al., 2021 (In Production).
Rainfall frequency and soil water availability regulate soil methane and nitrous oxide emissions from a native forest exposed to elevated carbon dioxide. Functional Ecology.
[Credit for the header picture] Photo by veeterzy on Unsplash