Satellite‐based model detection of recent climate‐driven changes in northern high‐latitude vegetation productivity
Notice bibliographique
Résumé
We applied a satellite remote sensing based production efficiency model (PEM) using an integrated AVHRR and MODIS FPAR/LAI time series with a regionally corrected NCEP/NCAR reanalysis daily surface meteorology and NASA/GEWEX Surface Radiation Budget shortwave solar radiation inputs to assess annual terrestrial net primary productivity (NPP) for the pan‐Arctic basin and Alaska from 1983 to 2005. Our results show that low temperature constraints on Boreal‐Arctic NPP are decreasing by 0.43% per year ( P < 0.001), whereas a positive trend in vegetation moisture constraints of 0.49% per year ( P = 0.04) are offsetting the potential benefits of longer growing seasons and contributing to recent disturbances in NPP. The PEM simulations of NPP seasonality, annual anomalies and trends are similar to stand inventory network measurements of boreal aspen stem growth ( r = 0.56; P = 0.007) and atmospheric CO 2 measurement based estimates of the timing of growing season onset ( r = 0.78; P < 0.001). Our results indicate that summer drought led to marked NPP decreases in much of the boreal forest region after the late‐1990s. However, seasonal low temperatures are still a dominant limitation on regional NPP. Despite recent drought events, mean annual NPP for the pan‐Arctic region showed a positive growth trend of 0.34% per year (20.27 TgC/a; P = 0.002) from 1983 to 2005. Drought induced NPP decreases may become more frequent and widespread as regional ecosystems adjust to a warmer, drier atmosphere, though the occurrence and severity of drought events will depend on future patterns of plant‐available moisture.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».