Linking growth dynamics and intra-annual density fluctuations to late-summer precipitation in humid subtropical China
Notice bibliographique
Résumé
Global warming has intensified extreme rainfall events and prolonged droughts, significantly impacting tree growth and wood formation. This study investigates the effects of late-summer precipitation variability on the intra-annual growth dynamics of Cunninghamia lanceolata and Cryptomeria fortunei in humid subtropical China. Microcores were collected from 12 trees at 7–10 days intervals between March and December from 2021 to 2023 in the Gushan Mountains. Typically, high temperatures and rainfall deficits in July induce cambial dormancy, while subsequent rainfall in August and September reactivates growth, resulting in a bimodal growth pattern. However, in 2022, an unprecedented drought (August–October rainfall 77% below average) shortened the growing season, causing an early cessation of growth and a rare unimodal growth pattern. In contrast, persistent rainfall in 2023 accelerated cell enlargement to 7 μm d-¹ and significantly increased latewood intra-annual density fluctuations (L-IADFs). Notably, despite abundant late-summer rainfall in 2021, L-IADFs did not form, indicating a nonlinear and inconsistent relationship between rainfall and L-IADFs. These findings highlight the critical role of late-summer precipitation variability in shaping tree growth patterns and wood density in southeastern China. Given the expected increase in precipitation variability under climate change, regional forest ecosystems may become more vulnerable. This study provides valuable insights for forest management strategies to enhance resilience and mitigate climate-related risks.
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 | 0,001 | 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 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 ».