MétaCan
Menu
Retour à la cohorte
Enregistrement W1961143416 · doi:10.1111/geb.12044

Interannual variability of net ecosystem productivity in forests is explained by carbon flux phenology in autumn

2013· article· en· W1961143416 sur OpenAlex
Chaoyang Wu, Jing M. Chen, T. Andrew Black, David T. Price, Werner A. Kurz, Ankur R. Desai, Alemu Gonsamo, Rachhpal S. Jassal, Christopher M. Gough, Gil Bohrer, D. Dragoni, Mathias Herbst, Bert Gielen, Frank Berninger, Timo Vesala, Ivan Mammarella, Kim Pilegaard, Peter D. Blanken

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueGlobal Ecology and Biogeography · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePlant Water Relations and Carbon Dynamics
Établissements canadiensCanadian Forest ServiceUniversity of British ColumbiaNatural Resources CanadaUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNordForskAcademy of Finland
Mots-clésCarbon fluxPhenologyEcosystemEnvironmental scienceProductivityEcologyCarbon cyclePrimary productionForest ecologyFlux (metallurgy)Physical geographyAtmospheric sciencesGeographyBiologyGeology

Résumé

récupéré en direct d'OpenAlex

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 N orth A merica and E urope. Method Flux data from nine deciduous broadleaf forests ( DBF ) and 13 evergreen needleleaf forests ( ENF ) across N orth A merica and E urope (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 ( R e ) alone could explain this variability, the negative relationship between annual NEP and autumn lag was due to a larger R e / 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 R e . However, annual GPP was insensitive to a longer autumn lag in ENF sites but annual R e 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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,002
Tête enseignante GPT0,177
Écart entre enseignants0,174 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle