The Common Land Model (CLM) was developed for community use by a grassroots collaboration of scientists who have an interest in making a general land model available for public use and further development. The major model characteristics include enough unevenly spaced layers to adequately represent soil temperature and soil moisture, and a multilayer parameterization of snow processes; an explicit treatment of the mass of liquid water and ice water and their phase change within the snow and soil system; a runoff parameterization following the TOPMODEL concept; a canopy photo synthesis-conductance model that describes the simultaneous transfer of CO2 and water vapor into and out of vegetation; and a tiled treatment of the subgrid fraction of energy and water balance. CLM has been extensively evaluated in offline mode and coupling runs with the NCAR Community Climate Model (CCM3). The results of two offline runs, presented as examples, are compared with observations and with the simulation of three other land models [the Biosphere-Atmosphere Transfer Scheme (BATS), Bonan's Land Surface Model (LSM), and the 1994 version of the Chinese Academy of Sciences Institute of Atmospheric Physics LSM (IAP94)].

Thirty‐three snowpack models of varying complexity and purpose were evaluated across a wide range of hydrometeorological and forest canopy conditions at five Northern Hemisphere locations, for up to two winter snow seasons. Modeled estimates of snow water equivalent (SWE) or depth were compared to observations at forest and open sites at each location. Precipitation phase and duration of above‐freezing air temperatures are shown to be major influences on divergence and convergence of modeled estimates of the subcanopy snowpack. When models are considered collectively at all locations, comparisons with observations show that it is harder to model SWE at forested sites than open sites. There is no universal “best” model for all sites or locations, but comparison of the consistency of individual model performances relative to one another at different sites shows that there is less consistency at forest sites than open sites, and even less consistency between forest and open sites in the same year. A good performance by a model at a forest site is therefore unlikely to mean a good model performance by the same model at an open site (and vice versa). Calibration of models at forest sites provides lower errors than uncalibrated models at three out of four locations. However, benefits of calibration do not translate to subsequent years, and benefits gained by models calibrated for forest snow processes are not translated to open conditions.

In two summertime mesoscale convective systems (MCSs), mesospheric optical sprite phenomena were often coincident with both large-amplitude positive cloud-to-ground lightning and transient Schumann resonance excitations of the entire Earth-ionosphere cavity. These observations, together with earlier studies of MCS electrification, suggest that sprites are triggered when the rapid removal of large quantities of positive charge from an areally extensive charge layer stresses the mesosphere to dielectric breakdown.

Accurately simulating gross primary productivity (GPP) in terrestrial ecosystem models is critical because errors in simulated GPP propagate through the model to introduce additional errors in simulated biomass and other fluxes. We evaluated simulated, daily average GPP from 26 models against estimated GPP at 39 eddy covariance flux tower sites across the United States and Canada. None of the models in this study match estimated GPP within observed uncertainty. On average, models overestimate GPP in winter, spring, and fall, and underestimate GPP in summer. Models overpredicted GPP under dry conditions and for temperatures below 0°C. Improvements in simulated soil moisture and ecosystem response to drought or humidity stress will improve simulated GPP under dry conditions. Adding a low‐temperature response to shut down GPP for temperatures below 0°C will reduce the positive bias in winter, spring, and fall and improve simulated phenology. The negative bias in summer and poor overall performance resulted from mismatches between simulated and observed light use efficiency (LUE). Improving simulated GPP requires better leaf‐to‐canopy scaling and better values of model parameters that control the maximum potential GPP, such as ε max (LUE), V cmax (unstressed Rubisco catalytic capacity) or J max (the maximum electron transport rate).

The ability to reliably estimate CO 2 fluxes from current in situ atmospheric CO 2 measurements and future satellite CO 2 measurements is dependent on transport model performance at synoptic and shorter timescales. The TransCom continuous experiment was designed to evaluate the performance of forward transport model simulations at hourly, daily, and synoptic timescales, and we focus on the latter two in this paper. Twenty‐five transport models or model variants submitted hourly time series of nine predetermined tracers (seven for CO 2 ) at 280 locations. We extracted synoptic‐scale variability from daily averaged CO 2 time series using a digital filter and analyzed the results by comparing them to atmospheric measurements at 35 locations. The correlations between modeled and observed synoptic CO 2 variabilities were almost always largest with zero time lag and statistically significant for most models and most locations. Generally, the model results using diurnally varying land fluxes were closer to the observations compared to those obtained using monthly mean or daily average fluxes, and winter was often better simulated than summer. Model results at higher spatial resolution compared better with observations, mostly because these models were able to sample closer to the measurement site location. The amplitude and correlation of model‐data variability is strongly model and season dependent. Overall similarity in modeled synoptic CO 2 variability suggests that the first‐order transport mechanisms are fairly well parameterized in the models, and no clear distinction was found between the meteorological analyses in capturing the synoptic‐scale dynamics.

The Amazon Basin is crucial to global circulatory and carbon patterns due to the large areal extent and large flux magnitude. Biogeophysical models have had difficulty reproducing the annual cycle of net ecosystem exchange (NEE) of carbon in some regions of the Amazon, generally simulating uptake during the wet season and efflux during seasonal drought. In reality, the opposite occurs. Observational and modeling studies have identified several mechanisms that explain the observed annual cycle, including: (1) deep soil columns that can store large water amount, (2) the ability of deep roots to access moisture at depth when near‐surface soil dries during annual drought, (3) movement of water in the soil via hydraulic redistribution, allowing for more efficient uptake of water during the wet season, and moistening of near‐surface soil during the annual drought, and (4) photosynthetic response to elevated light levels as cloudiness decreases during the dry season. We incorporate these mechanisms into the third version of the Simple Biosphere model (SiB3) both singly and collectively, and confront the results with observations. For the forest to maintain function through seasonal drought, there must be sufficient water storage in the soil to sustain transpiration through the dry season in addition to the ability of the roots to access the stored water. We find that individually, none of these mechanisms by themselves produces a simulation of the annual cycle of NEE that matches the observed. When these mechanisms are combined into the model, NEE follows the general trend of the observations, showing efflux during the wet season and uptake during seasonal drought.

Our current understanding of terrestrial carbon processes is represented in various models used to integrate and scale measurements of CO 2 exchange from remote sensing and other spatiotemporal data. Yet assessments are rarely conducted to determine how well models simulate carbon processes across vegetation types and environmental conditions. Using standardized data from the North American Carbon Program we compare observed and simulated monthly CO 2 exchange from 44 eddy covariance flux towers in North America and 22 terrestrial biosphere models. The analysis period spans ∼220 site‐years, 10 biomes, and includes two large‐scale drought events, providing a natural experiment to evaluate model skill as a function of drought and seasonality. We evaluate models' ability to simulate the seasonal cycle of CO 2 exchange using multiple model skill metrics and analyze links between model characteristics, site history, and model skill. Overall model performance was poor; the difference between observations and simulations was ∼10 times observational uncertainty, with forested ecosystems better predicted than nonforested. Model‐data agreement was highest in summer and in temperate evergreen forests. In contrast, model performance declined in spring and fall, especially in ecosystems with large deciduous components, and in dry periods during the growing season. Models used across multiple biomes and sites, the mean model ensemble, and a model using assimilated parameter values showed high consistency with observations. Models with the highest skill across all biomes all used prescribed canopy phenology, calculated NEE as the difference between GPP and ecosystem respiration, and did not use a daily time step.

Climate models incorporate photosynthesis-climate feedbacks, yet we lack robust tools for large-scale assessments of these processes. Recent work suggests that carbonyl sulfide (COS), a trace gas consumed by plants, could provide a valuable constraint on photosynthesis. Here we analyze airborne observations of COS and carbon dioxide concentrations during the growing season over North America with a three-dimensional atmospheric transport model. We successfully modeled the persistent vertical drawdown of atmospheric COS using the quantitative relation between COS and photosynthesis that has been measured in plant chamber experiments. Furthermore, this drawdown is driven by plant uptake rather than other continental and oceanic fluxes in the model. These results provide quantitative evidence that COS gradients in the continental growing season may have broad use as a measurement-based photosynthesis tracer.

Abstract Interannual variability in biosphere‐atmosphere exchange of CO 2 is driven by a diverse range of biotic and abiotic factors. Replicating this variability thus represents the ‘acid test’ for terrestrial biosphere models. Although such models are commonly used to project responses to both normal and anomalous variability in climate, they are rarely tested explicitly against inter‐annual variability in observations. Herein, using standardized data from the N orth A merican Carbon Program, we assess the performance of 16 terrestrial biosphere models and 3 remote sensing products against long‐term measurements of biosphere‐atmosphere CO 2 exchange made with eddy‐covariance flux towers at 11 forested sites in N orth A merica. Instead of focusing on model‐data agreement we take a systematic, variability‐oriented approach and show that although the models tend to reproduce the mean magnitude of the observed annual flux variability, they fail to reproduce the timing. Large biases in modeled annual means are evident for all models. Observed interannual variability is found to commonly be on the order of magnitude of the mean fluxes. None of the models consistently reproduce observed interannual variability within measurement uncertainty. Underrepresentation of variability in spring phenology, soil thaw and snowpack melting, and difficulties in reproducing the lagged response to extreme climatic events are identified as systematic errors, common to all models included in this study.