MétaCan
Menu
Retour à la cohorte
Enregistrement W2971838902 · doi:10.1088/2515-7620/ab3d87

The spatial-temporal distributions of controlling factors on vegetation growth in Tibet Autonomous Region, Southwestern China

2019· article· en· W2971838902 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueEnvironmental Research Communications · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing in Agriculture
Établissements canadiensNatural Resources CanadaMcMaster University
Organismes subventionnairesNational Natural Science Foundation of ChinaNational Key Research and Development Program of ChinaNational Aeronautics and Space Administration
Mots-clésNormalized Difference Vegetation IndexPrecipitationCruEnvironmental scienceVegetation (pathology)AridPhysical geographyClimatologySteppeGrasslandClimate changeShrubAtmospheric sciencesGeographyEcologyMeteorologyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Due to cold and arid climate of Tibet Autonomous Region, vegetation growth is considered to be controlled by both moisture availability and warmth. In order to reveal the patterns of regional climate change and the mechanisms of climate-vegetation interactions, long term (1982–2013) datasets of climate variables and vegetation activities were collected from Climatic Research Unit (CRU) and Global Inventory Monitoring and Modeling System (GIMMS). Principal regression analysis and (partial) correlation analysis were conducted to reveal the contributions of controlling factors on vegetation growth. Study results showed that (1) Annual mean air temperature (TMP) had increased by 0.38 °C per decade (P = 0.00) and annual precipitation (PRE) had increased by 17.25 mm per decade (P = 0.15). A significant change point around the year 1997/1998 was detected by Mann-Whitney-Pettit test, coinciding with the occurrence of El Niño event. (2) Normalized Difference Vegetation Index (NDVI) had an insignificant positive trend. Spatially, pixels of high NDVI values, great NDVI trends and high inter-annual deviations are distributed in the densely vegetated eastern part. Principal regression analysis revealed that, alpine grassland (northern and western part) is mostly controlled by temperature, steppe meadow (middle and southern part) is mostly controlled by precipitation, and shrub/mixed needle leaved and broad leaved forest (eastern part) is mostly controlled by cloud coverage. (3) Partial correlation analyses showed that regions with high sensitivity to precipitation nearly overlapped with regions of high sensitivity to minimum temperature. And the high importance of cold index (CDI, accumulated negative difference between TMP and 5 °C) revealed in this study implied the effects of regional glacial melting and permafrost degradation. We concluded that the regional climate change can be characterized as warming and wetting. Different regions and vegetation types in Tibet Autonomous Region demonstrated different driving climate factors and climate-vegetation relationships.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,011
Score d'incertitude au seuil0,527

Scores Codex et Gemma par catégorie

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

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 Opus0,027
Tête enseignante GPT0,283
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