Interannual variability of net ecosystem productivity in forests is explained by carbon flux phenology in autumn
Notice bibliographique
Résumé
Abstract Aim To investigate the importance of autumn phenology in controlling interannual variability of forest net ecosystem productivity (NEP) and to derive new phenological metrics to explain the interannual variability of NEP. Location North America and Europe. Method Flux data from nine deciduous broadleaf forests (DBF) and 13 evergreen needleleaf forests (ENF) across North America and Europe (212 site‐years) were used to explore the relationships between the yearly anomalies of annual NEP and several carbon flux based phenological indicators, including the onset/end of the growing season, onset/end of the carbon uptake period, the spring lag (time interval between the onset of growing season and carbon uptake period) and the autumn lag (time interval between the end of the carbon uptake period and the growing season). Meteorological variables, including global shortwave radiation, air temperature, soil temperature, soil water content and precipitation, were also used to explain the phenological variations. Results We found that interannual variability of NEP can be largely explained by autumn phenology, i.e. the autumn lag. While variation in neither annual gross primary productivity (GPP) nor in annual ecosystem respiration (Re) alone could explain this variability, the negative relationship between annual NEP and autumn lag was due to a larger Re/GPP ratio in years with a prolonged autumn lag. For DBF sites, a longer autumn lag coincided with a significant decrease in annual GPP but showed no correlation with annual Re. However, annual GPP was insensitive to a longer autumn lag in ENF sites but annual Re increased significantly. Main conclusions These results demonstrate that autumn phenology plays a more direct role than spring phenology in regulating interannual variability of annual NEP. In particular, the importance of respiration may be potentially underestimated in deriving phenological indicators.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».