Large lakes moderate climate-change effects in boreal North America
Notice bibliographique
Résumé
Abstract The interior biomes of North America are generally projected to experience rapid climatic change, especially with respect to drought indicators like potential evapotranspiration (PET). Focusing on the lake-rich and topographically varied North American boreal biome, we compared gradient-based climate velocity metrics for PET derived from the statistically downscaled ClimateNA product with dynamically downscaled metrics based on the Canadian regional climate model (CRCM5), which includes a 1-D freshwater lake model. We also developed regression tree models to examine the effects of land cover, topography, and geography on these differences. Across a range of global climate models (GCM), we found consistent, large differences in PET velocity–over 100 km/yr in some areas– between CRCM5 and ClimateNA. Within the boreal biome, we found that differences in the spatial gradient of change (mm/km), and hence in the gradient velocity metric (temporal gradient/spatial gradient) of annual PET, were largely explained by the percentage of lake coverage, especially at a broad scale (110-km × 110-km). Elevation effects were not detected. We found that the simple gradient velocity metric was remarkably robust to differences among GCMs in future PET projections, due to the high relative importance of spatial variation in temperature (i.e., spatial gradient), which often exceeded the magnitude of projected future change (i.e., temporal gradient). An important implication of our analysis is that regions surrounding large lakes are likely to be somewhat buffered from the full effects of climate change, serving as potential refugia for boreal ecosystems at a broad spatial scale.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».