Canadian boreal forest greening and browning trends: an analysis of biogeographic patterns and the relative roles of disturbance versus climate drivers
Notice bibliographique
Résumé
Recent studies have used satellite-derived normalized difference vegetation index (NDVI) time series to explore geographic patterns in boreal forest greening and browning. A number of these studies indicate that boreal forests are experiencing widespread browning, and have suggested that these patterns reflect decreases in forest productivity induced by climate change. Here we use NDVI time series from Landsat, which has much higher quality and spatial resolution than imagery used in most previous studies, to characterize biogeographic patterns in greening and browning across Canada's boreal forest and to explore the drivers behind observed trends. Our results show that the majority of NDVI changes in Canada's boreal forest reflect disturbance-recovery dynamics not climate change impacts, that greening and browning trends outside of disturbed forests are consistent with expected ecological responses to regional changes in climate, and that observed NDVI changes are geographically limited and relatively small in magnitude. By examining covariance between changes in NDVI and temperature and precipitation in locations not affected by disturbance, our results isolate and characterize the nature and magnitude of greening and browning directly associated with climate change. Consistent with biogeographic theory, greening and browning unrelated to disturbance tended to be located in ecotones near boundaries of the boreal forest bioclimatic envelope. We observed greening to be most prevalent in Eastern Canada, which is more humid, and browning to be most prevalent in Western Canada, where forests are more prone to moisture stress. We conclude that continued long-term climate change has the potential to significantly alter the character and function of Canada's boreal forest, but recent changes have been modest and near-term impacts are likely to be focused in or near ecotones.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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 ».