Global forests are influenced by the legacies of past inter-annual temperature variability
Notice bibliographique
Résumé
Abstract Inter-annual climate variability (hereafter climate variability) is increasing in many forested regions due to climate change. This variability could have larger near-term impacts on forests than decadal shifts in mean climate, but how forests will respond remains poorly resolved, particularly at broad scales. Individual trees, and even forest communities, often have traits and ecological strategies—the legacies of exposure to past variable conditions—that confer tolerance to subsequent climate variability. However, whether local legacies also shape global forest responses is unknown. Our objective was to assess how past and current climate variability influences global forest productivity. We hypothesized that forests exposed to large climate variability in the past would better tolerate current climate variability than forests for which past climate was relatively stable. We used historical (1950–1969) and contemporary (2000–2019) temperature, precipitation, and vapor pressure deficit (VPD) and the remotely sensed enhanced vegetation index (EVI) to quantify how historical and contemporary climate variability relate to patterns of contemporary forest productivity. Consistent with our hypothesis, forests exposed to large temperature variability in the past were more tolerant of contemporary temperature variability than forests where past temperatures were less variable. Forests were 19-fold times less sensitive to contemporary temperature variability where historical inter-annual temperature variability was 0.66 °C (two standard deviations) greater than the global average historical temperature variability. We also found that larger increases in temperature variability between the two study periods often eroded the tolerance conferred by the legacy effects of historical temperature variability. However, the hypothesis was not supported in the case of precipitation and VPD variability, potentially due to physiological tradeoffs inherent in how trees cope with dry conditions. We conclude that the sensitivity of forest productivity to imminent increases in temperature variability may be partially predictable based on the legacies of past conditions.
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 | 0,001 | 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».