Change in Autumn Vegetation Phenology and the Climate Controls From 1982 to 2012 on the Qinghai–Tibet Plateau
Notice bibliographique
Résumé
Autumn vegetation phenology plays a critical role in the survival and reproduction of vegetation in changing environments. Using GIMMS3g, MODIS and SPOT remote sensing data, we investigated the spatial and temporal dynamics of the vegetation dormancy onset date (DOD) and its response to temperature, precipitation and cold degree days (CDD) in different biomes on the Qinghai-Tibet Plateau (QTP) from 1982 to 2012. Our results indicated that there was no significant temporal trend in the DOD for the vegetation on the QTP but found clear regional characteristics in the DOD trends with a notably advancing trend in the central region and a widespread delay in the southwestern region (>1 day yr−1, P<0.05). Our results also indicated that temperature plays an important role in the trend of delays in vegetation autumn phenology; in particular, the preseason temperature can delay the DOD significantly, the positive correlations were observed in more than 71% of the study areas. Consistent with previous studies, we observed significant negative correlations between preseason CDD and DOD, the negative correlations were observed in more than 72% of the study areas for all the datasets. In contrast, the effects of precipitation on DOD were biome dependent. We found that precipitation could promote the extension of the growing season in meadow and grass biomes but produce weak effects on vegetation dormancy in forest biomes. Therefore, not only the magnitude but also the timing of changes in temperature and precipitation determines the effects of climate factors on DOD and further suggests that biome-specific phenological responses also need to be integrated into vegetation phenology models for future climate change investigations on the QTP.
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».