MétaCan
Menu
Retour à la cohorte
Enregistrement W3033208307 · doi:10.1088/2515-7620/ab9525

Inter-annual Climate Variability and Vegetation Dynamic in the Upper Amur (Heilongjiang) River Basin in Northeast Asia

2020· article· en· W3033208307 sur OpenAlexaff
Guangyong You, M. Altaf Arain, Shusen Wang, Shawn McKenzie, Bing Xu, Yaqian He, Dan Wu, Naifeng Lin, Jixi Gao, Xiru Jia

Notice bibliographique

RevueEnvironmental Research Communications · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePlant Water Relations and Carbon Dynamics
Établissements canadiensNatural Resources CanadaMcMaster University
Organismes subventionnairesnon disponible
Mots-clésNormalized Difference Vegetation IndexEnvironmental sciencePrecipitationAridGrowing seasonVegetation (pathology)Trend analysisCruPhysical geographyClimate changeClimatologyGeographyEcologyBiologyMathematicsGeologyMeteorology

Résumé

récupéré en direct d'OpenAlex

Abstract Long-term (1982–2013) datasets of climate variables and Normalized Difference Vegetation Index (NDVI) were collected from Climate Research Union (CRU) and GIMMS NDVI3g. By setting the NDVI values below the threshold of 0.2 as 0, NDVI_0.2 was created to eliminate the noise caused by changes of surface albedo during non-growing period. TimeSat was employed to estimate the growing season length (GSL) from the seasonal variation of NDVI. Statistical analyses were conducted to reveal the mechanisms of climate-vegetation interactions in the cold and semi-arid Upper Amur River Basin of Northeast Asia. The results showed that the regional climate change can be summarized as warming and drying. Annual mean air temperature (T) increased at a rate of 0.13 °C per decade. Annual precipitation (P) declined at a rate of 18.22 mm per decade. NDVI had an insignificantly negative trend, whereas, NDVI_0.2 displayed a significantly positive trend (MK test, p < 0.05) over the past three decades. GSL had a significantly positive rate of approximately 2.9 days per decade. Correlation analysis revealed that, NDVI was significantly correlated with amount of P, whereas, GSL was highly correlated with warmth index (WMI), accumulation of monthly T above the threshold of 5°C. Principal regression analysis revealed that the inter-annual variations of NDVI, NDVI_0.2 and GSL were mostly contributed by WMI. Spatially, NDVI in grassland was more sensitive to P, whereas, T was more important in areas of high elevation. GSL in most of the areas displayed high sensitivity to T. This study examined the different roles of climate variables in controlling the vegetation activities. Further studies are needed to reveal the impact of extended GSL on the regional water balance and the water level of regional lakes, providing the habitats for the migratory birds and endangered species.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,064
Score d'incertitude au seuil0,126

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,023
Tête enseignante GPT0,288
Écart entre enseignants0,265 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Research CommunicationsMême sujetPlant Water Relations and Carbon DynamicsTravaux en français237 207