Using thermal imagery and changes in stem radius to assess water stress in two coniferous tree species
Notice bibliographique
Résumé
With a warming climate and greater evaporative demand, many forest ecosystems are increasingly affected by water limitation as prolonged water deficits reduce tree-level growth and survival. Water deficit can be monitored in several ways, including from daily measurements of sap flow or changes in stem radius from automated sensors mounted on individual trees. As an alternative approach, we evaluated the use of airborne thermal imagery from unmanned aerial vehicles as a rapid, scalable tool for assessing tree-level water stress. Plant water stress leads to higher leaf temperatures when soil moisture is low and evaporative demand is high. To detect this response, we modeled the difference between leaf and air temperature (∆T) as a function of local soil moisture, vapor pressure deficit, and wind speed for two tree species, lodgepole pine ( Pinus contorta var. latifolia ) and white spruce ( Picea glauca ). We used those same weather and soil conditions to model dendrometer-based measurements of daily changes in internal tree water deficit (∆TWD). While canopy leaf temperature and daily change in tree water deficit showed little direct correlation with one another, these variables both responded to soil moisture, vapor pressure deficit, and wind speed in a manner that reflects responses to water stress as soil became progressively drier over the summer months. The two species showed some differences related to species-specific strategies for drought avoidance. The application of thermal imagery to detect water stress in natural forest ecosystems can improve understanding of how trees experience water stress across species and environmental 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 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 | 0,000 |
| 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 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 ».