Rising Atmospheric <scp>CO<sub>2</sub></scp> Alleviates Drought Impact on Autumn Leaf Senescence Over Northern Mid‐High Latitudes
Notice bibliographique
Résumé
ABSTRACT Aim Drought reduces plant growth and hastens the process of leaf senescence in autumn. Concurrently, increasing atmospheric CO2 concentrations likely amplifies photosynthetic activity while increasing plant water‐use efficiency. However, how drought affects the date of leaf senescence (DLS) and whether elevated CO2 can alleviate this remain unknown. Here, we explore the effect of drought on DLS under recent climate change and explore the underlying mechanisms. Location Northern mid‐high latitudes. Time Period 2000–2019. Major Taxa Studied Plants. Methods We conducted comprehensive analyses based on satellite remote sensing, eddy covariance flux observations, in situ phenology observations and land‐surface models. Linear regression analysis and a ten‐year moving window were adapted to investigate the spatiotemporal patterns in DLS sensitivity to drought (Sdd). The partial least squares regression method was used to attribute the main factors for the variation in Sdd, and land‐surface models in different scenarios were used to verify the robustness of the results. Results Our study presented divergent spatial patterns of Sdd, where the highest Sdd was concentrated in dry and warm regions. Temporally, multiple datasets consistently illustrate a significant decrease in the Sdd during recent decades (p < 0.05). We also observed a nonlinear relationship between the trend of Sdd and aridity gradient, which presented a slightly positive Sdd trend in dry regions but a negative trend in wet regions. We found these observed changes were primarily attributed to elevated CO2, alleviating the drought stress on DLS in nearly 40% of the study area. Main Conclusions Our findings demonstrate the complex role that atmospheric CO2 plays in regulating plant leaf senescence during drought stress, highlighting the need to incorporate the effects of elevated CO2 on vegetation autumn phenology into land‐surface models for projecting vegetation growth and carbon uptake under continued global 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 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 | 0,000 | 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) | 0,001 | 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 ».