Drone‐based physiological index reveals long‐term acclimation and drought stress responses in trees
Notice bibliographique
Résumé
Monitoring early tree physiological responses to drought is key to understanding progressive impacts of drought on forests and identifying resilient species. We combined drone-based multispectral remote sensing with measurements of tree physiology and environmental parameters over two growing seasons in a 100-y-old Pinus sylvestris forest subject to 17-y of precipitation manipulation. Our goal was to determine if drone-based photochemical reflectance index (PRI) captures tree drought stress responses and whether responses are affected by long-term acclimation. PRI detects changes in xanthophyll cycle pigment dynamics, which reflect increases in photoprotective non-photochemical quenching activity resulting from drought-induced photosynthesis downregulation. Here, PRI of never-irrigated trees was up to 10 times lower (higher stress) than PRI of irrigated trees. Long-term acclimation to experimental treatment, however, influenced the seasonal relationship between PRI and soil water availability. PRI also captured diurnal decreases in photochemical efficiency, driven by vapour pressure deficit. Interestingly, 5 years after irrigation was stopped for a subset of the irrigated trees, a positive legacy effect persisted, with lower stress responses (higher PRI) compared with never-irrigated trees. This study demonstrates the ability of remotely sensed PRI to scale tree physiological responses to an entire forest and the importance of long-term acclimation in determining current drought stress responses.
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 | 0,000 | 0,000 |
| 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 ».