Strong controls of daily minimum temperature on the autumn photosynthetic phenology of subtropical vegetation in China
Notice bibliographique
Résumé
Abstract Background Vegetation phenology research has largely focused on temperate deciduous forests, thus limiting our understanding of the response of evergreen vegetation to climate change in tropical and subtropical regions. Results Using satellite solar-induced chlorophyll fluorescence (SIF) and MODIS enhanced vegetation index (EVI) data, we applied two methods to evaluate temporal and spatial patterns of the end of the growing season (EGS) in subtropical vegetation in China, and analyze the dependence of EGS on preseason maximum and minimum temperatures as well as cumulative precipitation. Our results indicated that the averaged EGS derived from the SIF and EVI based on the two methods (dynamic threshold method and derivative method) was later than that derived from gross primary productivity (GPP) based on the eddy covariance technique, and the time-lag for EGS sif and EGS evi was approximately 2 weeks and 4 weeks, respectively. We found that EGS was positively correlated with preseason minimum temperature and cumulative precipitation (accounting for more than 73% and 62% of the study areas, respectively), but negatively correlated with preseason maximum temperature (accounting for more than 59% of the study areas). In addition, EGS was more sensitive to the changes in the preseason minimum temperature than to other climatic factors, and an increase in the preseason minimum temperature significantly delayed the EGS in evergreen forests, shrub and grassland. Conclusions Our results indicated that the SIF outperformed traditional vegetation indices in capturing the autumn photosynthetic phenology of evergreen forest in the subtropical region of China. We found that minimum temperature plays a significant role in determining autumn photosynthetic phenology in the study region. These findings contribute to improving our understanding of the response of the EGS to climate change in subtropical vegetation of China, and provide a new perspective for accurately evaluating the role played by evergreen vegetation in the regional carbon budget.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 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) | 0,001 | 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 ».