MétaCan
Menu
← Retour à la cohorte
Enregistrement W7023974106

Productivity of North American grasslands is increased under future climate scenarios despite rising aridity (vol 29, pg 1, 2016)

2016· article· en· W7023974106 sur OpenAlexfundno aff

Notice bibliographique

RevueeScholarship (California Digital Library) · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing in Agriculture
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAgricultural Research ServiceNational Institute of Food and AgricultureMacquarie UniversityCarnegie Institution of WashingtonU.S. Department of AgricultureMontana TechU.S. Department of EnergyUniversity of MontanaOffice of Experimental Program to Stimulate Competitive ResearchNational Science Foundation
Mots-clésGrasslandClimate changeEcosystemProductivityVegetation (pathology)AridPrecipitationRange (aeronautics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

© 2016 Macmillan Publishers Limited. All rights reserved. Grassland productivity is regulated by both temperature and the amount and timing of precipitation. Future climate change is therefore expected to influence grassland phenology and growth, with consequences for ecosystems and economies. However, the interacting effects of major shifts in temperature and precipitation on grasslands remain poorly understood and existing modelling approaches, although typically complex, do not extrapolate or generalize well and tend to disagree under future scenarios. Here we explore the potential responses of North American grasslands to climate change using a new, data-informed vegetation-hydrological model, a network of high-frequency ground observations across a wide range of grassland ecosystems and CMIP5 climate projections. Our results suggest widespread and consistent increases in vegetation fractional cover for the current range of grassland ecosystems throughout most of North America, despite the increase in aridity projected across most of our study area. Our analysis indicates a likely future shift of vegetation growth towards both earlier spring emergence and delayed autumn senescence, which would compensate for drought-induced reductions in summer fractional cover and productivity. However, because our model does not include the effects of rising atmospheric CO 2 on photosynthesis and water use efficiency, climate change impacts on grassland productivity may be even larger than our results suggest. Increases in the productivity of North American grasslands over this coming century have implications for agriculture, carbon cycling and vegetation feedbacks to the atmosphere.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,190
Écart entre enseignants0,183 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeScholarship (California Digital Library)→Même sujetRemote Sensing in Agriculture→Travaux en français237 207→