Boreal Tree Growth May Be More Tolerant to Warming Than Previously Considered: Implications for Future Modelling Studies
Notice bibliographique
Résumé
ABSTRACT Aim Most process‐based forest simulation models used to project the impacts of climate change on forest dynamics rely on thermal transfer functions (TTF) that describe the relationship between temperature and growth. However, these functions have faced criticism, undermining model forecasts and highlighting the need for more robust TTF based on large empirical datasets. In this study, we modelled growth response to growing degree‐days (GDD) of common tree species in eastern North America using an unprecedented dataset of over 1 million tree records from 29,809 permanent sample plots. Location Canada and the United States. Time Period 1958–2018. Major Taxa Studied Tree species. Methods We used quantile regression analysis to build TTF by modelling tree growth response to GDD for 16 tree species using a widely distributed data across North America. The newly fitted TTF were then used to project near‐term (2041–2070 time period) growth responses to climate warming and were compared with TTF currently applied in published modelling studies. Results Our results support the assumption of a parabolic growth response curve to GDD, but challenge the assumption of optimal growth occurring at the centre of the species' climatic range (as assumed by the climatic envelope approach commonly used to develop TTF). Compared to our empirically derived TTF, the TTF used in four well‐established, published forest simulation models tend to overestimate the negative impact of climate warming on the growth of cold‐adapted, boreal tree species, while underestimating it for some temperate species. Main Conclusions Our results indicate that the selected published forest models often underestimate the optimum temperature under which maximum tree growth occurs for cold‐adapted, boreal species, suggesting greater resilience to climate change than previously forecasted. We recommend the application of this empirical approach to other tree species and integrating these more realistic parameters into existing modelling frameworks to improve ecological forecasting.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».