MétaCan
Menu
Retour à la cohorte
Enregistrement W3214228005 · doi:10.1139/as-2020-0043

Shading decreases and delays NDVI and flowering of prostrate Arctic shrubs

2021· article· en· W3214228005 sur OpenAlexvenueno aff
Jeremy L. May, Steven F. Oberbauer, Steven Unger, Matthew Simon, Katlyn R. Betway, Robert D. Hollister

Notice bibliographique

RevueArctic Science · 2021
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensnon disponible
Organismes subventionnairesNational Science Foundation
Mots-clésShadingTundraShrubDeciduousPhenologyCanopyGrowing seasonEnvironmental scienceNormalized Difference Vegetation IndexVegetation (pathology)ArcticBiologyAgronomyHorticultureBotanyLeaf area indexEcology

Résumé

récupéré en direct d'OpenAlex

Increases in shrub growth and canopy cover are well documented community responses to climate warming in the Arctic. An important consequence of larger deciduous shrubs is shading of prostrate plant species, many of which are important sources of nectar and berries. Here, we present the impact of a shading experiment on two prostrate shrubs, Vaccinium vitis-idaea L. and Arctous alpina L., in northern Alaska over two growing seasons. We implemented three levels of shading (no shade, 40% shade, and 80% shade) in dry heath and moist acidic tundra. Plots were monitored for soil moisture content, surface temperature, normalized difference vegetation index (NDVI), and flowering. Shading was shown to, on average, lower surface temperature (0.7 °C to 5.3 °C) and increase soil moisture content (0.5% to 5.6%) in both communities. Both species- and plot-level NDVI values were delayed in timing of peak values (7 to 13 days) and decreased at the highest shading. Flower abundance of both species was lower in shaded plots and peak flowering was delayed (3 to 8 days) compared with controls. Changes in timing may result in phenological mismatches and can impact other trophic levels in the Arctic as both the flowers and resulting berries are important food sources for animals.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,015
Score d'incertitude au seuil0,847

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,030
Tête enseignante GPT0,243
Écart entre enseignants0,213 · 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 tête enseignante, 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

Citations11
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArctic ScienceMême sujetClimate change and permafrostTravaux en français237 207