Substantial variation in leaf senescence times among 1360 temperate woody plant species: implications for phenology and ecosystem processes
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Autumn leaf senescence marks the end of the growing season in temperate ecosystems. Its timing influences a number of ecosystem processes, including carbon, water and nutrient cycling. Climate change is altering leaf senescence phenology and, as those changes continue, it will affect individual woody plants, species and ecosystems. In contrast to spring leaf out times, however, leaf senescence times remain relatively understudied. Variation in the phenology of leaf senescence among species and locations is still poorly understood. METHODS: Leaf senescence phenology of 1360 deciduous plant species at six temperate botanical gardens in Asia, North America and Europe was recorded in 2012 and 2013. This large data set was used to explore ecological and phylogenetic factors associated with variation in leaf senescence. KEY RESULTS: Leaf senescence dates among species varied by 3 months on average across the six locations. Plant species tended to undergo leaf senescence in the same order in the autumns of both years at each location, but the order of senescence was only weakly correlated across sites. Leaf senescence times were not related to spring leaf out times, were not evolutionarily conserved and were only minimally influenced by growth habit, wood anatomy and percentage colour change or leaf drop. These weak patterns of leaf senescence timing contrast with much stronger leaf out patterns from a previous study. CONCLUSIONS: The results suggest that, in contrast to the broader temperature effects that determine leaf out times, leaf senescence times are probably determined by a larger or different suite of local environmental effects, including temperature, soil moisture, frost and wind. Determining the importance of these factors for a wide range of species represents the next challenge for understanding how climate change is affecting the end of the growing season and associated ecosystem processes.
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 | 0,001 |
| 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 ».