MétaCan
Menu
Retour à la cohorte
Enregistrement W4399680122 · doi:10.1080/07038992.2024.2333976

Changes in Water and Carbon Fluxes in the USA Southern Great Plains Grassland Due to Evergreen Forest Encroachment

2024· article· en· W4399680122 sur OpenAlexvenueno aff
Xuebin Yang, Xiangming Xiao, Chenchen Zhang, Jorge Celis

Notice bibliographique

RevueCanadian Journal of Remote Sensing · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGrasslandEvergreenGeographyCarbon stockEvergreen forestAgroforestryForestryEnvironmental scienceEcologyClimate changeBiology

Résumé

récupéré en direct d'OpenAlex

The southern Great Plains (SGP) grassland of the United States has been largely encroached by evergreen forest in recent decades. The response of the grassland water and carbon cycles to the encroachment is not clear yet. Given so, this study quantified the changes in gross primary production (GPP), evapotranspiration (ET), and ecosystem water use efficiency (EWUE) between grassland pixels with evergreen forest encroachment and neighboring pure grassland pixels (500 m). We also assessed the spatial variation of the changes in relation to precipitation (mm), air temperature (°C), and evergreen forest coverage (%). These analyses were repeated, respectively for the years of 2004, 2008, 2016, and 2019 as robustness check. Results suggest that across the 4 years, 62–72% of encroached grassland pixels exhibit higher annual GPP, 67–74% exhibit higher annual ET, whereas 65–71% exhibit lower annual EWUE. The change ratio of ET is positively correlated with that of GPP but negatively correlated with that of EWUE. Additionally, the spatial variation in the change ratios of annual GPP and ET can be explained to a certain degree by the encroachment amount. These results further clarify the response of water and carbon cycles to evergreen forest encroachment in the SGP grassland.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,311
Score d'incertitude au seuil0,619

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
Bibliométrie0,0010,001
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 Opus0,009
Tête enseignante GPT0,198
Écart entre enseignants0,189 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Remote SensingMême sujetFire effects on ecosystemsTravaux en français237 207