Biodiversity affects microclimate - plant diversity and functional traits driving temperature and humidity using proximal sensing.
Notice bibliographique
Résumé
Microclimate ecology conveys fundamental information about how organisms react to and feedback to influence climate change. Evidence shows that vegetation and its spatial variation modify microclimate temperature and relative humidity, mediating thermal regulation and energy exchange with the atmosphere by affecting vapour pressure deficit (VPD) [2]. This process influences crucial eco-physiological processes such as carbon capture, nutrient cycling, and flower visitation, promoting ecosystem productivity. Diverse communities typically display complex canopies due to functionally dissimilar species that spatially complement each other. The differences in diverse communities' canopy have the potential to modulate energy exchange and affect canopy surface temperature [1]. However, microclimate measurements are typically made at the coarse spatial scale using climate means based on meteorological stations or satellites, which ignore the bounded exchange between upper and lower canopy layers. Our approach integrates sub-canopy sensors with remotely sensed products and reveals that microclimate is driven by plant functional traits, groups, and the diversity of plant communities [1, 2, 3]. In biodiversity experiments, we assessed microclimate using under- and upper-canopy microclimate sensors and estimated plant canopy structure with a high spatial resolution (proximal sensing such as terrestrial laser scanning). We demonstrate that examining trait-microclimate relationships reveals the potential of diverse communities and communities dominated by species with particular traits to buffer ecosystems from the negative effects of warming and air dryness. Fundamentally, we propose that future work focuses on the facilitative effects of vegetation microclimate, indicating how plant community composition and diversity feedback on vegetative cooling and air humidification under more frequent and intense climate change events.[1] Guimarães-Steinicke et al. (2021) J Ecol. 109: 1969–1985, http://doi.org/10.1111/1365-2745.13631[2] Wright et al. (2024) Journal of Ecology, 112, 2462–2470. https://doi.org/10.1111/1365-2745.14313[3] English et al. (2022) Frontiers, 10, https://doi.org/10.3389/fevo.2022.921472
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 | 0,001 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».