Scaling phenology from the local to the regional level: advances from species‐specific phenological models
Notice bibliographique
Résumé
Summary Plant phenology, the study of seasonal plant activity driven by environmental factors, has found a renewal in the context of global climate change. Phenological events, such as leaf unfolding, exert strong control over seasonal exchanges of matter and energy between the land surface and the atmosphere. Phenological models that simulate the start of the growing season should be efficient tools to predict vegetation responses to climatic changes and related changes in energy balance. Species‐specific phenological models developed in the eighties have not been used for global‐scale predictions because their predictions were inaccurate in external conditions. Recent advances in phenology modelling at the species level suggest that prediction at a large scale may now be possible. In the present study, we tested the performance of species‐specific phenological models in time and space, looking at their ability (i) to predict regional phenology when previously fitted at a local scale, and (ii) to predict phenological trends, linked to climate changes, observed over a long‐term. For that task we used an historical phenological dataset from Ohio from the late ninetieth century and an airborne pollen dataset from Ontario, Québec and Maryland from the late twentieth century. The results show that the species‐specific phenological models used in this study were able to predict regional phenology even though they were fitted locally. The reconstruction of a phenological time series over the twentieth century showed a significant advancement of 0.2 days per year in the date of flowering of Ulmus americana , but very weak trends for Fraxinus americana and Quercus velutina .
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 | 0,000 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,113 | 0,007 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».