Multi-decadal trends of low clouds at the Tropical Montane Cloud Forests
Notice bibliographique
Résumé
Clouds are critical to the biodiversity and function of Tropical Montane Cloud Forests (TMCF). These ecosystems provide vital services to humanity and are considered hotspots of endemism, given that the number of species is restricted to their microclimates. Cloudiness (e.g., the fraction of low-clouds) in these ecosystems is projected to decline owing to global warming, but recent temporal trends remain unclear. Here, we evaluated trends in low-cloud fractions (CF) and other Essential Climatic Variables (ECV) (e.g., surface temperature, pressure, soil moisture, and precipitation) for 521 sites worldwide with TMFCs from 1997 to 2020. Thus, we hypothesize that recent traces of global warming over the last few decades have led to decreases in low-cloud cover on TMCFs. The previous study was also evaluated globally and among biogeographic realms to identify regional trends. We computed trends by aggregating hourly observations from ERA5 reanalysis and CHIRPS into annual averages and then used linear regressions to calculate slopes (i.e., rate of change) (Δ, year -1 ). Our results suggest that CF trends at the TMCFs range between -64.7 ×10 -4 and 51.4 ×10 -4 CF year -1 , revealing that 70% of the assessed sites have experienced reductions in CF. Declines in low-clouds in these ecosystems are 253% more severe than tropical landmasses when peak values of density distribution are compared (TMCFs: -7.8 ×10 -4 CF year -1 ; tropical landmasses -2.3 ×10 -4 CF year -1 ). Despite this, CF trends tend to differ among biogeographic realms, as those TMCFs from the Neotropics and Indomalayan realms have the most pronounced declines. Decreases in CF were also associated with increases in surface temperature and pressure and decreases in soil moisture, revealing that the TMCF’s climate is changing to warmer environments. These climatic shifts may represent a fingerprint of global change on TMCFs, highlighting a current threat to species and essential ecosystem services that these ecosystems provide.
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 | 0,000 | 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) | 0,001 | 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 ».