Disappearing green: Shrubs decline and bryophytes increase with nine years of increased snow accumulation in the High Arctic
Notice bibliographique
Résumé
Abstract Question How does increased snow depth affect plant community composition of High Arctic tundra, and can the Normalized Differential Vegetation Index ( NDVI ) detect induced changes? Location Adventdalen, Spitsbergen, Svalbard (78°10′ N, 16°04′ E). Methods We manipulated snow depth on the tundra using fences, resulting in Deep , Medium , and Ambient snow regimes. Increased snow led to warmer winter soil temperatures, a delayed onset of growing season and wetter conditions during the early growing season. Plant community composition of living and dead plant material was recorded after nine years. NDVI was measured at the plot level using a handheld sensor. Results Community composition and the abundance of typically dominant shrub species were substantially different in the Deep compared to the Ambient regime. Deep had lower cover of live shrubs ( Cassiope tetragona, Dryas octopetala and Salix polaris ) and Luzula confusa , and higher cover of dead shrubs ( Cassiope and Dryas ) compared to the other snow regimes. Bryophyte cover was highest in Medium . NDVI was positively correlated to the cover of living vascular plants and negatively correlated to cover of dead vascular plants. Accordingly, Deep snow regime had reduced NDVI , reflecting the contribution of dead Cassiope and Dryas . Conclusion Snow regime strongly influenced community composition in High Arctic plant communities. Enhanced snow regimes had more dead shrubs, reduced Luzula and increased bryophyte cover than ambient conditions. These differences were detectable by handheld NDVI sensors.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».