Estimation of aboveground net primary productivity in secondary tropical dry forests using the Carnegie–Ames–Stanford approach (CASA) model
Notice bibliographique
Résumé
Although tropical dry forests (TDFs) cover roughly 42% of all tropical ecosystems, extensive deforestation and habitat fragmentation pose important limitations for their conservation and restoration worldwide. In order to develop conservation policies for this endangered ecosystem, it is necessary to quantify their provision of ecosystems services such as carbon sequestration and primary production. In this paper we explore the potential of the Carnegie–Ames–Stanford approach (CASA) for estimating aboveground net primary productivity (ANPP) in a secondary TDF located at the Santa Rosa National Park (SRNP), Costa Rica. We calculated ANPP using the CASA model (ANPP _CASA ) in three successional stages (early, intermediate, and late). Each stage has a stand age of 21 years, 32 years, and 50+ years, respectively, estimated as the age since land abandonment. Our results showed that the ANPP _CASA for early, intermediate, and late successional stages were 3.22 Mg C ha ^−1 yr ^−1 , 8.90 Mg C ha ^−1 yr ^−1 , and 7.59 Mg C ha ^−1 yr ^−1 , respectively, which are comparable with rates of carbon uptake in other TDFs. Our results indicate that key variables that influence ANPP in our dry forest site were stand age and precipitation seasonality. Incident photosynthetically active radiation and temperature were not dominant in the ANPP _CASA . The results of this study highlight the potential of the use of remote sensing techniques and the importance of incorporating successional stage in accurate regional TDF ANPP estimation.
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 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».