MétaCan
Menu
Retour à la cohorte
Enregistrement W2259611809 · doi:10.5194/bg-13-3819-2016

Spatial and seasonal variations of leaf area index (LAI) in subtropicalsecondary forests related to floristic composition and stand characters

2016· article· en· W2259611809 sur OpenAlexaff
Wenjuan Zhu, Wenhua Xiang, Qiong Pan, Yelin Zeng, Shuai Ouyang, Pifeng Lei, Xiangwen Deng, Xi Fang, Changhui Peng

Notice bibliographique

RevueBiogeosciences · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing in Agriculture
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesSpecialized Research Fund for the Doctoral Program of Higher Education of ChinaProgram for New Century Excellent Talents in UniversityNational Natural Science Foundation of China
Mots-clésEvergreenDeciduousBasal areaLeaf area indexTropical and subtropical moist broadleaf forestsSpatial heterogeneitySubtropicsEnvironmental scienceEcologyForestryGeographyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract. Leaf area index (LAI) is an important parameter related to carbon, water, and energy exchange between canopy and atmosphere and is widely applied in process models that simulate production and hydrological cycles in forest ecosystems. However, fine-scale spatial heterogeneity of LAI and its controlling factors have yet to be fully understood in Chinese subtropical forests. We used hemispherical photography to measure LAI values in three subtropical forests (Pinus massoniana–Lithocarpus glaber coniferous and evergreen broadleaved mixed forests, Choerospondias axillaris deciduous broadleaved forests, and L. glaber–Cyclobalanopsis glauca evergreen broadleaved forests) from April 2014 to January 2015. Spatial heterogeneity of LAI and its controlling factors were analysed using geostatistical methods and the generalised additive models (GAMs) respectively. Our results showed that LAI values differed greatly in the three forests and their seasonal variations were consistent with plant phenology. LAI values exhibited strong spatial autocorrelation for the three forests measured in January and for the L. glaber–C. glauca forest in April, July, and October. Obvious patch distribution pattern of LAI values occurred in three forests during the non-growing period and this pattern gradually dwindled in the growing season. Stem number, crown coverage, proportion of evergreen conifer species on basal area basis, proportion of deciduous species on basal area basis, and forest types affected the spatial variations in LAI values in January, while stem number and proportion of deciduous species on basal area basis affected the spatial variations in LAI values in July. Floristic composition, spatial heterogeneity, and seasonal variations should be considered for sampling strategy in indirect LAI measurement and application of LAI to simulate functional processes in subtropical forests.

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 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 enseignants0,052
Score d'incertitude au seuil0,185

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 Opus0,007
Tête enseignante GPT0,205
Écart entre enseignants0,198 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations40
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiogeosciencesMême sujetRemote Sensing in AgricultureTravaux en français237 207