Population-specific climate sensitive top height curves and their applications to assisted migration
Notice bibliographique
Résumé
Abstract Growth and yield (G&Y) of forest plantations can be significantly impacted by maladaptation resulting from climate change, and assisted migration has been proposed to mitigate these impacts by restoring populations to their historic climates. However, genecology models currently used for guiding assisted migration do not account for impacts of climate change on cumulative growth and assume that responses of forest population to climate do not change with age. Using provenance trial data for interior lodgepole pine ( Pinus contorta subsp. latifolia Douglas) and white spruce ( Picea glauca (Moench) Voss) in western Canada, we integrated Universal Response Functions, representing the relationship of population performance with their provenance and site climates, into top height curves in a G&Y model (Growth and Yield Projection System, GYPSY) to develop population-specific climate sensitive top height curves for both species. These new models can estimate the impact of climate change on top height of local populations and populations from a range of provenances to help guide assisted migration. Our findings reveal that climate change is expected to have varying effects on forest productivity across the landscape, with some areas projected to experience a slight increase in productivity by the 2050s, while the remainder are projected to face a significant decline in productivity for both species. Adoption of assisted migration, however, with the optimal populations selected was projected to maintain and even improve productivity at the provincial scale. The findings of this study provide a novel approach to incorporating assisted migration approaches into forest management to mitigate the negative impacts 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
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 tête enseignante, 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 ».