Solar radiation and <scp>ENSO</scp> predict fruiting phenology patterns in a 15‐year record from Kibale National Park, Uganda
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Fruiting, flowering, and leaf set patterns influence many aspects of tropical forest communities, but there are few long‐term studies examining potential drivers of these patterns, particularly in Africa. We evaluated a 15‐year dataset of tree phenology in Kibale National Park, Uganda, to identify abiotic predictors of fruit phenological patterns and discuss our findings in light of climate change. We quantified fruiting for 326 trees from 43 species and evaluated these patterns in relation to solar radiance, rainfall, and monthly temperature. We used time‐lagged variables based on seasonality in linear regression models to assess the effect of abiotic variables on the proportion of fruiting trees. Annual fruiting varied over 3.8‐fold, and inter‐annual variation in fruiting is associated with the extent of fruiting in the peak period, not variation in time of fruit set. While temperature and rainfall showed positive effects on fruiting, solar radiance in the two‐year period encompassing a given year and the previous year was the strongest predictor of fruiting. As solar irradiance was the strongest predictor of fruiting, the projected increase in rainfall associated with climate change, and coincident increase in cloud cover suggest that climate change will lead to a decrease in fruiting. ENSO in the prior 24‐month period was also significantly associated with annual ripe fruit production, and ENSO is also affected by climate change. Predicting changes in phenology demands understanding inter‐annual variation in fruit dynamics in light of potential abiotic drivers, patterns that will only emerge with long‐term data.
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.
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 découle