Early-Warning Signals of Individual Tree Mortality Based on Annual Radial Growth
Notice bibliographique
Résumé
Tree mortality is a key driver of forest dynamics and its occurrence is projected to increase in the future due to climate change. Despite recent advances in our understanding of the physiological mechanisms leading to death, we still lack robust indicators of mortality risk that could be applied at the individual tree scale. Here, we build on a previous contribution exploring the differences in growth level between trees that died and survived a given mortality event to assess whether changes in temporal autocorrelation, variance, and synchrony in time-series of annual radial growth data can be used as early warning signals of mortality risk. Taking advantage of a unique global ring-width database of 3065 dead trees and 4389 living trees growing together at 198 sites (belonging to 36 gymnosperm and angiosperm species), we analyzed temporal changes in autocorrelation, variance, and synchrony before tree death (diachronic analysis), and also compared these metrics between trees that died and trees that survived a given mortality event (synchronic analysis). Changes in autocorrelation were a poor indicator of mortality risk. However, we found a gradual increase in inter-annual growth variability and a decrease in growth synchrony in the last ∼20 years before mortality of gymnosperms, irrespective of the cause of mortality. These changes could be associated with drought-induced alterations in carbon economy and allocation patterns. In angiosperms, we did not find any consistent changes in any metric. Such lack of any signal might be explained by the relatively high capacity of angiosperms to recover after a stress-induced growth decline. Our analysis provides a robust method for estimating early-warning signals of tree mortality based on annual growth data. In addition to the frequently reported decrease in growth rates, an increase in inter-annual growth variability and a decrease in growth synchrony may be powerful predictors of gymnosperm mortality risk, but not necessarily so for angiosperms.
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 | 0,001 | 0,002 |
| 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 | 0,000 | 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) | 0,001 | 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 ».