MétaCan
Menu
Retour à la cohorte
Enregistrement W4382789928 · doi:10.1093/nsr/nwad182

Warming-induced phenological mismatch between trees and shrubs explains high-elevation forest expansion

2023· article· en· W4382789928 sur OpenAlexaff
Xiaoxia Li, Eryuan Liang, J. Julio Camarero, Sergio Rossi, Jingtian Zhang, Haifeng Zhu, Yongshuo H. Fu, Jian Sun, Tao Wang, Shilong Piao, Josep Peñuelas

Notice bibliographique

RevueNational Science Review · 2023
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueTree-ring climate responses
Établissements canadiensUniversité du Québec à Chicoutimi
Organismes subventionnairesYouth Innovation Promotion AssociationYouth Innovation Promotion Association of the Chinese Academy of SciencesChinese Academy of SciencesNational Natural Science Foundation of ChinaEuropean CommissionChina Scholarship CouncilMinisterio de Ciencia e InnovaciónFundación Ramón Areces
Mots-clésPhenologyElevation (ballistics)ForestryBiologyPhysical geographyEnvironmental scienceGeographyBotanyMathematics

Résumé

récupéré en direct d'OpenAlex

Despite the importance of species interaction in modulating the range shifts of plants, little is known about the responses of coexisting life forms to a warmer climate. Here, we combine long-term monitoring of cambial phenology in sympatric trees and shrubs at two treelines of the Tibetan Plateau, with a meta-analysis of ring-width series from 344 shrubs and 575 trees paired across 11 alpine treelines in the Northern Hemisphere. Under a spring warming of +1°C, xylem resumption advances by 2-4 days in trees, but delays by 3-8 days in shrubs. The divergent phenological response to warming was due to shrubs being 3.2 times more sensitive than trees to chilling accumulation. Warmer winters increased the thermal requirement for cambial reactivation in shrubs, leading to a delayed response to warmer springs. Our meta-analysis confirmed such a mechanism across continental scales. The warming-induced phenological mismatch may give a competitive advantage to trees over shrubs, which would provide a new explanation for increasing alpine treeline shifts under the context of climate change.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
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 Opus0,086
Tête enseignante GPT0,323
Écart entre enseignants0,238 · 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 source (Gemma direct ou Codex distillé), 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

Citations62
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Science ReviewMême sujetTree-ring climate responsesTravaux en français237 207