Drought timing and local climate determine the sensitivity of eastern temperate forests to drought
Notice bibliographique
Résumé
Abstract Projected changes in temperature and drought regime are likely to reduce carbon (C) storage in forests, thereby amplifying rates of climate change. While such reductions are often presumed to be greatest in semi‐arid forests that experience widespread tree mortality, the consequences of drought may also be important in temperate mesic forests of Eastern North America ( ENA ) if tree growth is significantly curtailed by drought. Investigations of the environmental conditions that determine drought sensitivity are critically needed to accurately predict ecosystem feedbacks to climate change. We matched site factors with the growth responses to drought of 10,753 trees across mesic forests of ENA , representing 24 species and 346 stands, to determine the broad‐scale drivers of drought sensitivity for the dominant trees in ENA . Here we show that two factors—the timing of drought, and the atmospheric demand for water (i.e., local potential evapotranspiration; PET )—are stronger drivers of drought sensitivity than soil and stand characteristics. Drought‐induced reductions in tree growth were greatest when the droughts occurred during early‐season peaks in radial growth, especially for trees growing in the warmest, driest regions (i.e., highest PET ). Further, mean species trait values (rooting depth and ψ 50 ) were poor predictors of drought sensitivity, as intraspecific variation in sensitivity was equal to or greater than interspecific variation in 17 of 24 species. From a general circulation model ensemble, we find that future increases in early‐season PET may exacerbate these effects, and potentially offset gains in C uptake and storage in ENA owing to other global change factors.
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 | 0,000 | 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) | 0,000 | 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 ».