MétaCan
Menu
Retour à la cohorte
Enregistrement W4388033623 · doi:10.1038/s41467-023-42654-z

Fading regulation of diurnal temperature ranges on drought-induced growth loss for drought-tolerant tree species

2023· article· en· W4388033623 sur OpenAlexaff
Xianliang Zhang, Tim Rademacher, Hongyan Liu, Lu Wang, Rubén D. Manzanedo

Notice bibliographique

RevueNature Communications · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePlant Water Relations and Carbon Dynamics
Établissements canadiensCTT Group (Canada)Université du Québec en OutaouaisCegep de Saint Hyacinthe
Organismes subventionnairesHebei Agricultural UniversityNational Natural Science Foundation of China
Mots-clésEnvironmental scienceDaytimeDrought toleranceClimate changeDiurnal temperature variationRange (aeronautics)Global warmingAtmospheric sciencesBiologyClimatologyEcologyAgronomy

Résumé

récupéré en direct d'OpenAlex

Warming-induced droughts caused tree growth loss across the globe, leading to substantial carbon loss to the atmosphere. Drought-induced growth loss, however, can be regulated by changes in diurnal temperature ranges. Here, we investigated long term radial growth responses of 23 widespread distributed tree species from 2327 sites over the world and found that species' drought tolerances were significantly and positively correlated with diurnal temperature range-growth loss relationships for the period 1901-1940. Since 1940, this relationship has continued to fade, likely due to asymmetric day and night warming trends and the species' ability to deal with them. The alleviation of reduced diurnal temperature ranges on drought-induced growth loss was mainly found for drought resistant tree species. Overall, our results highlight the need to carefully consider diurnal temperature ranges and species-specific responses to daytime and nighttime warming to explore tree growth responses to current and future warmer and drier climates.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,021
Tête enseignante GPT0,257
Écart entre enseignants0,236 · 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

Citations41
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetPlant Water Relations and Carbon DynamicsTravaux en français237 207