Uneven impacts of climate change around the world and across the annual cycle of winegrapes
Notice bibliographique
Résumé
Anthropogenic climate change has uneven impacts across the globe and throughout the year. Such unevenness poses a major challenge for human adaptation, especially for agricultural and other managed systems. Estimating effects beyond one region is challenging, however, because differences between regions make it difficult to know what seasonal periods of climate to compare. Both local climate and the planting decisions of a region affect the relevant periods for estimating changes in climate. Here, we use recent phenological models with a dataset of mean phenology for over 500 cultivars (varieties) to estimate climatic changes in growing regions across the globe for a major perennial crop that has been highly affected by climate change: winegrapes. We examine a suite of grower-relevant metrics, including temperatures during budburst, throughout the growing season and temperatures and precipitation surrounding harvest. We find that climate change has impacted all regions, especially for heat metrics across the full growing season (GDD, maximum temperature and days above 35°C). By far the largest shifts, however, are in European regions, where the number of hot days (>35°C) and maximum growing season temperatures are several standard deviations higher than before significant anthropogenic climate change. Including variety diversity in our estimates impacted only metrics at the start and end of the season, appearing most important for harvest-related climate metrics, and then only in ‘Old World’ regions, where most variety diversity is planted. Climate change impacts have thus been highly uneven across the world’s winegrowing regions and the impacts are variable across the growing season. Navigating how best to adapt the global winegrowing industry to climate change will require addressing these spatial and temporal complexities.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,001 |
| 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) | 0,000 | 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 tête enseignante, 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 ».