Spatial and seasonal variations of leaf area index (LAI) in subtropicalsecondary forests related to floristic composition and stand characters
Notice bibliographique
Résumé
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 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 | 0,000 | 0,000 |
| 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 ».