Nonlinear characteristics of the vegetation change and its response to climate change in the karst region of southwest China
Notice bibliographique
Résumé
The vegetation is known to be sensitive to both climate change and anthropogenic disturbance. However, the relationship between changes in vegetation and climate is unclear in karst regions. The nonlinear characteristics of vegetation change and its possible relationships with driving factors in the karst region of southwest China are revealed, using methods of Ensemble Empirical Mode Decomposition, Mann-Kendall, and Partial Least Squares Regression. The results show that: (1) vegetation changes demonstrate an increasing trend with an abrupt change in 2002. Multiple time scales of 3, 6, 10, and 25-year are observed in vegetation variations, dominated by long-term trend and the short time scale of 3-year with variance contributions of 58.10% and 28.63%. (2) The relationship of climate indexes with vegetation changes shows r 2 = 0.78 ( p < 0.01) based on the reconstruction of characteristic scales, indicating significant great relationship. In space, the area percentage with relationship of climate to vegetation is more than 50%, and the impact is much greater after the abrupt change of vegetation in 2002 ( r 2 are 0.24–0.91 and 0.42–0.99, respectively). In addition, the correlation between vegetation change and ecological engineering is 0.15 ( p < 0.01). The results indicate that climate change is the main impact factor of vegetation change, ecological engineering has positive influences in improving vegetation condition, and methods of scales decomposition and abrupt detection could reveal some hidden information for better understanding ecosystems in karst regions.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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) | 0,000 | 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 tête enseignante, 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 ».