Geographical and climatic gradients of evergreen versus deciduous broad‐leaved tree species in subtropical China: Implications for the definition of the mixed forest
Notice bibliographique
Résumé
Understanding climatic influences on the proportion of evergreen versus deciduous broad-leaved tree species in forests is of crucial importance when predicting the impact of climate change on broad-leaved forests. Here, we quantified the geographical distribution of evergreen versus deciduous broad-leaved tree species in subtropical China. The Relative Importance Value index (RIV) was used to examine regional patterns in tree species dominance and was related to three key climatic variables: mean annual temperature (MAT), minimum temperature of the coldest month (MinT), and mean annual precipitation (MAP). We found the RIV of evergreen species to decrease with latitude at a lapse rate of 10% per degree between 23.5 and 25°N, 1% per degree at 25-29.1°N, and 15% per degree at 29.1-34°N. The RIV of evergreen species increased with: MinT at a lapse rate of 10% per °C between -4.5 and 2.5°C and 2% per °C at 2.5-10.5°C; MAP at a lapse rate of 10% per 100 mm between 900 and 1,600 mm and 4% per 100 mm between 1,600 and 2,250 mm. All selected climatic variables cumulatively explained 71% of the geographical variation in dominance of evergreen and deciduous broad-leaved tree species and the climatic variables, ranked in order of decreasing effects were as follows: MinT > MAP > MAT. We further proposed that the latitudinal limit of evergreen and deciduous broad-leaved mixed forests was 29.1-32°N, corresponding with MAT of 11-18.1°C, MinT of -2.5 to 2.51°C, and MAP of 1,000-1,630 mm. This study is the first quantitative assessment of climatic correlates with the evergreenness and deciduousness of broad-leaved forests in subtropical China and underscores that extreme cold temperature is the most important climatic determinant of evergreen and deciduous broad-leaved tree species' distributions, a finding that confirms earlier qualitative studies. Our findings also offer new insight into the definition and distribution of the mixed forest and an accurate assessment of vulnerability of mixed forests to future climate change.
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 | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».