Disentangling key drivers for counteracting growth loss in stone pine under climate change: results based on multisite provenance tests
Notice bibliographique
Résumé
Abstract Increasing forest productivity through afforestation under climate change is challenging, as maladaptation to current conditions may reduce trees’ growth capacity. Hence, understanding adaptation mechanisms can boost new tree plantations success, particularly in drought-prone environments such as the Mediterranean Basin. Here, we provide an example on how tree height measured in common gardens can be used to generate growth models and management scenarios for stone pine, an emblematic conifer widely used for restoration, landscaping, and nut production in Mediterranean countries. We used a multisite international network with nine common gardens testing 56 range-wide provenances and fitted Linear Mixed-Effects models of tree height at age 10, accounting for mortality, the climate of both the provenance and the common garden, tree density and microenvironment. Aridity at the common garden and tree density were the main drivers of tree height. The best-fitted model was used to project management scenarios under the current climate and for the period 2041–2070 for the Shared Socioeconomic Pathway 3-7.0. Taller trees resulted when using provenances from colder origins growing in high densities across the aridity range covered by the common gardens. Therefore, establishing new plantations with high densities during the juvenile stage might, albeit reducing nut production, enhances protective reforestation and carbon assimilation, provided that site-specific constraints, such as fire risk, are not limiting. Our results highlight the value of networks of common gardens to support reforestation programs and identify populations with high growth potential for protective and restorative afforestation under adverse climatic conditions.
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 | 0,000 |
| 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 ».