Winter respiratory C losses provide explanatory power for net ecosystem productivity
Notice bibliographique
Résumé
Abstract Accurate predictions of net ecosystem productivity (NEPc) of forest ecosystems are essential for climate change decisions and requirements in the context of national forest growth and greenhouse gas inventories. However, drivers and underlying mechanisms determining NEPc (e.g., climate and nutrients) are not entirely understood yet, particularly when considering the influence of past periods. Here we explored the explanatory power of the compensation day (cDOY)—defined as the day of year when winter net carbon losses are compensated by spring assimilation—for NEPc in 26 forests in Europe, North America, and Australia, using different NEPc integration methods. We found cDOY to be a particularly powerful predictor for NEPc of temperate evergreen needleleaf forests (R2 = 0.58) and deciduous broadleaf forests (R2 = 0.68). In general, the latest cDOY correlated with the lowest NEPc. The explanatory power of cDOY depended on the integration method for NEPc, forest type, and whether the site had a distinct winter net respiratory carbon loss or not. The integration methods starting in autumn led to better predictions of NEPc from cDOY then the classical calendar method starting 1 January. Limited explanatory power of cDOY for NEPc was found for warmer sites with no distinct winter respiratory loss period. Our findings highlight the importance of the influence of winter processes and the delayed responses of previous seasons' climatic conditions on current year's NEPc. Such carry‐over effects may contain information from climatic conditions, carbon storage levels, and hydraulic traits of several years back in time.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».