MétaCan
Menu
Retour à la cohorte
Enregistrement W4407900829 · doi:10.1016/j.indcrop.2025.120753

Spatiotemporal trends of rubber defoliation and refoliation and their responses to abiotic factors in the northern edge of the Asian tropics

2025· article· en· W4407900829 sur OpenAlexaff
Yanling Chen, Nuttapon Khongdee, Yaofeng Wang, Qinghai Song, Dengsheng Lu, Shusen Wang, Yaoliang Chen

Notice bibliographique

RevueIndustrial Crops and Products · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensNatural Resources Canada
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésTropicsAbiotic componentBiologyGeographyAgroforestryEnvironmental scienceEcology

Résumé

récupéré en direct d'OpenAlex

Hevea brasiliensis, a species native to evergreen broadleaf forest in Amazon tropical regions, exhibits a concentrated period of defoliation and refoliation after introduced to the northern edge of Asian tropics. However, up to date, spatiotemporal patterns of rubber phenology and the underlying mechanism remain unclear. In this study, we first investigated the optimal vegetation indices in monitoring four key rubber phenology metrics (i.e., Start of Defoliation (SOD), End of Defoliation (EOD), Start of Refoliation (SOR), and End of Refoliation (EOR)). Then the trends of the four phenology metrics from 2003 to 2022 in the northern edge of Asian tropics were explored. Finally, the phenological responses to climatic and topographical factors were also investigated. Results indicated that the kernel normalized difference vegetation index performed best in extracting SOD and EOD while the near-infrared reflectance of vegetation performed best for SOR and EOR. SOD exhibited an annual delay of 0.14 days, whereas EOD, SOR, and EOR showed significantly advance by 0.11, 0.27, and 0.52 days, respectively. The four phenological metrics generally delayed with increasing elevation and slope, with 0.13 days/50 m and 0.21 days/° for SOD, 0.43 days/50 m and 0.24 days/° for EOD, 1.10 days/50 m and 0.31 days/° for SOR, and 0.94 days/50 m and 0.36 days/° for EOR. Temperature and humidity were found to jointly regulate SOD and SOR, while humidity predominantly influenced EOD and EOR. This study contributes to a deeper understanding of the mechanism underlying rubber phenology and its response to future climate change. Trends of rubber defoliation and refoliation and their responses to abiotic factors ● Four rubber phenological dates are spatiotemporally mapped using four rebuilt VIs. ● NIRv performs best for refoliation while kNDVI performs best for defoliation dates. ● Refoliation is significantly advanced while trend of defoliation is not significant. ● Four phenological dates show delayed trend with arising elevation and slope. ● Temperature and humidity co-control start dates while humidity controls end dates.

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 enseignants0,022
Score d'incertitude au seuil0,044

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
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,022
Tête enseignante GPT0,236
Écart entre enseignants0,214 · 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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial Crops and ProductsMême sujetForest ecology and managementTravaux en français237 207