Evaluation of the suitability of six drought indices in naturally growing, transitional vegetation zones in Inner Mongolia (China)
Notice bibliographique
Résumé
Naturally growing vegetation often suffers from the effects of drought. There exists a vast number of drought indices (DI's) to assess the impact of drought on the growth of crops and naturally occurring vegetation. However, assessing the fitness of these indices for large areas with variable vegetation cover is often problematic because of the absence of adequate spatial information. In this study, we compared six DI's to NDVI (the normalized difference vegetation index), a common indicator of vegetation occurrence and health based on satellite-acquired reflectance data. The study area covers an aridity gradient from forests to deserts along a 2,400-km-long section across the Inner Mongolia Autonomous Region of China. On an annual timescale, standardized precipitation index (SPI) was the most appropriate in assessing drought in steppes and deserts. On a seasonal timescale, the self-calibrated Palmer drought severity index (scPDSI) displayed the greatest sensitivity during the summer, but not during the other seasons. On a monthly timescale, scPDSI demonstrated the greatest sensitivity to the various vegetation zones (i.e., forests, steppes, and deserts) in June and July. Further analysis indicated that summer drought had a lag-effect on vegetation growth, which varied from one to six months according to the specific vegetation cover. The mixed response of DI's to NDVI and the lag-effect in transitional vegetation on annual, seasonal, and monthly timescales were ascribed to differences in DI definition and the dominant plant species within the transitional cover. The current study has the potential to inform the drafting of selection criteria of DI's for the study of drought-related impact on naturally growing vegetation at timescales from month to year.
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 | 0,001 |
| 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 | 0,001 | 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) | 0,000 | 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 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 ».