Transpiration and evaporative partitioning at a boreal forest and shrub taiga site in a subarctic alpine catchment, Yukon territory, Canada
Notice bibliographique
Résumé
Abstract Despite widespread observations of climate‐change induced treeline migration and shrubification, there remains few direct measurements of transpiration and dynamics of evaporative partitioning in northern climates. Here, we present eddy covariance and sap flow data at a low elevation boreal white spruce forest and a mid‐elevation shrub taiga comprised of tall willow (Salix spp.) and birch (Betula spp.) in a subarctic, alpine catchment in Yukon Territory, Canada over two hydrologically distinct years. Specific research questions addressed were: (1) How do contributions of T to ET vary between sites and years? and (2) What are the primary meteorological, phenological, and soil moisture controls and limits on ET and T across vegetation covers? In the mid‐growing season, mean T rates were greater at the dense shrub site (2.0 ± 0.75 mm d−1) than the forest (1.47 ± 0.52 mm d−1). During this time, T:ET was lower at the forest (0.48) than at the tall, dense shrub site (0.80). Of the 2 years, 2020 was considerably wetter and cooler than 2019 during the growing season. At the shrub site, during the mid‐growing season (July 1‐Aug 15), T dropped considerably in 2020 (−26%), as T was suppressed during the short, wet growing season. In contrast, T at the forest was only moderately suppressed (−3%) between years in this same period. Evapotranspiration was more strongly controlled by air temperature during the early and late season at the forest, while ET at the shrub site was more sensitive to warmer temperatures in the mid‐growing season. Distinct differences in sap flux densities, sensitivities to environmental drivers, and stomatal resistances existed between shrub species. Results suggest that warming temperatures, increases in growing season length, and increased rainfall will cause differences in evaporative response and partitioning over complex, heterogenous alpine watersheds.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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 ».