Solar radiation and <scp>ENSO</scp> predict fruiting phenology patterns in a 15‐year record from Kibale National Park, Uganda
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.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».