Effect of drought on productivity in a Costa Rican tropical dry forest
Notice bibliographique
Résumé
Climate models predict that precipitation patterns in tropical dry forests (TDFs) will change, with an overall reduction in rainfall amount and intensification of dry intervals, leading to greater susceptibility to drought. In this paper, we explore the effect of drought on phenology and carbon dynamics of a secondary TDF located in the Santa Rosa National Park (SRNP), Costa Rica. Through the use of optical sensors and an eddy covariance flux tower, seasonal phenology and carbon fluxes were monitored over a four-year period (2013–2016). Over this time frame, annual precipitation varied considerably. Total precipitation amounts for the 2013–2016 seasons equaled 1591.8 mm (+14.4 mm SD), 1112.9 mm (+9.9 mm SD), 600.8 mm (+7.6 mm SD), and 1762.2 mm (+13.9 mm SD), respectively. The 2014 and 2015 (ENSO) seasonal precipitation amounts represent a 30% and 63% reduction in precipitation, respectively, and were designated as drought seasons. Phenology was affected by precipitation patterns and availability. The onset of green-up was closely associated with pre-seasonal rains. Drought events lead to seasonal NDVI minimums and changes in phenologic cycle length. Carbon fluxes, assimilation, and photosynthetic light use efficiency were negatively affected by drought. Seasonal minimums in photosynthetic rates and light use efficiency were observed during drought events, and gross primary productivity was reduced by 13% and 42% during drought seasons 2014 and 2015, respectively. However, all four growth seasons were net carbon sinks. Results from this study contribute towards a deeper understanding of the impact of drought on TDF phenology and carbon dynamics.
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 | 0,001 |
| 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 ».