Divergent responses of autumn vegetation phenology to climate extremes over northern middle and high latitudes
Notice bibliographique
Résumé
Abstract Aim Compared with gradual climate change, extreme climatic events have more direct and dramatic impacts on vegetation growth. However, the influence of climate extremes on important phenological periods, such as the end of the growing season (EOS), remains unclear. Here, we investigate the temporal trends of EOS across different biomes and quantify the response of EOS to multiple climate extreme indices (CEIs). Location Northern middle and high latitudes. Time period 2000–2020. Major taxa studied Plants. Methods Three phenology extraction methods were used to compute EOS from satellite, FLUXNET and Pan European Phenology Project PEP725 phenological datasets. Different stress states of cold, hot, dry and wet extremes were represented by 12 CEIs. Partial correlation and ridge regression analysis were used to quantify the response of EOS to climate extremes across latitudinal and biome scales. Results Our study showed a delayed EOS in boreal biomes, but a significantly advanced EOS in temperate biomes. The advanced EOS induced by cold stress was observed for c . 80% of the vegetated pixels. The warm‐related CEIs delayed the EOS in high latitudes, and the delayed effect weakened or even reversed with decreasing latitude. In contrast, EOS exhibited opposite response patterns to dry days and wet‐related CEIs. Overall, EOS exhibited higher sensitivity to extreme temperature in boreal biomes than in temperate biomes. Specifically, continuous drought and high heat stress induced an earlier EOS in some temperate forest biomes, whereas moderate heat stress delayed the EOS in most study biomes. In contrast, EOS was not sensitive to extreme drought in water‐restricted biomes. Main conclusions EOS exhibited divergent responses to various climate extremes with different intensities and frequencies. Moreover, the response of EOS to extreme climate stress was dependent on the biome and latitude. These findings emphasize the importance of incorporating the divergent extreme climate effects into vegetation phenological models and Earth system models.
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 ».