MétaCan
Menu
Retour à la cohorte
Enregistrement W2885308248 · doi:10.1038/s41467-018-05705-4

Beneficial effects of climate warming on boreal tree growth may be transitory

2018· article· en· W2885308248 sur OpenAlexafffundabout
Loïc D’Orangeville, Daniel Houle, Louis Duchesne, Richard P. Phillips, Yves Bergeron, Daniel Kneeshaw

Notice bibliographique

RevueNature Communications · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueTree-ring climate responses
Établissements canadiensUniversité du Québec en Abitibi-TémiscamingueOuranosUniversité du Québec à MontréalMinistère des Ressources naturelles et des ForêtsUniversity of New Brunswick
Organismes subventionnairesMitacsMinistère des Forêts, de la Faune et des ParcsAmes Research CenterNational Aeronautics and Space Administration
Mots-clésTaigaBorealEnvironmental scienceClimate changeGlobal warmingDisturbance (geology)EcosystemEcologyProductivityAridVulnerability (computing)ClimatologyAtmospheric sciencesPhysical geographyGeographyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Predicted increases in temperature and aridity across the boreal forest region have the potential to alter timber supply and carbon sequestration. Given the widely-observed variation in species sensitivity to climate, there is an urgent need to develop species-specific predictive models that can account for local conditions. Here, we matched the growth of 270,000 trees across a 761,100 km2 region with detailed site-level data to quantify the growth responses of the seven most common boreal tree species in Eastern Canada to changes in climate. Accounting for spatially-explicit species-specific responses, we find that while 2 °C of warming may increase overall forest productivity by 13 ± 3% (mean ± SE) in the absence of disturbance, additional warming could reverse this trend and lead to substantial declines exacerbated by reductions in water availability. Our results confirm the transitory nature of warming-induced growth benefits in the boreal forest and highlight the vulnerability of the ecosystem to excess warming and drying.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,272
Écart entre enseignants0,256 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations297
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetTree-ring climate responsesTravaux en français237 207