Nature Climate Change | 中国科学院地理资源所吴朝阳课题组发表生物多样性调控植被物候的研究成果!

本文首发于“生态学者”微信公众号!

植被春季物候对气候变化的响应通常是通过测量其温度敏感性(ST,温度每升高1度,植被提前展叶的天数)来量化。ST是植被在当地历史气候环境的选择压力下演化形成的最优策略,其变化反映了植被为优化生命周期而对气候变化做出的适应性调整。了解ST的时空变化及其驱动因素对于更好地理解植被物候对气候变化的反馈至关重要。然而,以往的研究主要集中在ST的气候驱动因素上,对生物多样性如何影响植被的物候响应及其潜在机制的理解仍然有限。

生物多样性在调节植被生长和发育过程中发挥着关键作用,是生态系统适应气候变化、保持稳定的重要因素。最近的一些研究表明,生物多样性可以稳定植被物候,进而对生态系统功能起到稳定作用。可能的原因是生物多样性增强了植被群落响应干扰和压力因素的冗余性和多样性,使得植被高度多样化的群落更有可能发展出稳定机制,包括生长季节内的异步性以及对各种环境条件的不同适应性,促进物种在时间和空间尺度上的生态位分化,从而实现资源的互补利用。

基于此,研究人员将北半球393,139个森林清查样地的实测数据与基于卫星观测的ST等数据相结合,研究了生物多样性对植被物候响应气候变化的缓冲效应及机制。研究发现生物多样性在很大程度上影响了ST的空间变异,其影响力甚至超过了气候因素。在生物多样性较高的林分中,往往ST较低,可能归因于物种异步性以及其对气候变化响应的多样性,符合保险假说。同时,生物多样性驱动的植被根系变化和土壤理化性质的改善也是潜在的原因。此外,研究还发现,当前的一些地球系统模型无法捕捉到ST与生物多样性之间的负相关关系,进一步凸显了在预测气候变化对物候和生态系统的影响时,纳入生物多样性缓冲效应的必要性。

该研究成果近期发表于Nature Climate Change,第一作者为博士生申鹏举和汪箫悦副研究员,通讯作者为吴朝阳研究员、宁波大学孙伟伟教授、南京大学张永光教授,还有来自苏黎世联邦理工学院、西班牙国家研究委员会、爱荷华州立大学、北京大学、华东师范大学、中国科学院生态环境研究中心、北京师范大学和普渡大学的合作研究人员。此项研究得到了国家自然科学基金、中国科学院青年创新促进会和瑞士国家科学基金会等的资助。

论文信息:

Shen, P.†, Wang, X.†, Zohner, C. M., Peñuelas, J., Zhou, Y., Tang, Z., Xia, J., Zheng, H., Fu, Y., Liang, J., Sun, W.*, Zhang, Y.*, & Wu, C*. Biodiversity buffers the response of spring leaf unfolding to climate warming. Nature Climate Change. 1–6 (2024). doi:10.1038/s41558-024-02035-w.

论文链接:https://www.nature.com/articles/s41559-024-02445-1

图1 生物多样性与ST之间的负相关关系

ae-j,每个地块(a)、植被类型(ef)、群落(g, h)和气候区(i, j)的偏相关分析结果(f, h, j中的缩写全称见补充信息,表4–6)。b,全局尺度的偏相关和序贯回归的结果。c,基于Gini系数和SHAP平均绝对值的特征重要性。d,基于随机森林模型的SHAP值分布。P,正效应;N,负效应。在a中,给出了正相关和负相关的总体百分比以及显著的百分比(括号中)。f, h, j中的灰色虚线代表是否显著的分界(P < 0.05)。显著性基于双尾t检验。为了控制假发现率,在a, f, h, j中采用了Benjamini-Hochberg方法进行了多重假设检验校正。

图2 生物多样性与ST之间负相关机制

图中展示了偏相关分析和结构方程模型(SEM)的结果。SEM路径上的系数是标准化的,路径上的圆形地图表示偏相关结果的空间分布。路径箭头的粗细对应路径系数的大小,颜色表示符号,红色为正效应,蓝色为负效应。条形图表示直接和间接效应。显著性基于双尾t检验。为了控制假发现率,所有分析中均采用了Benjamini–Hochberg方法进行了多重假设检验校正。**P < 0.01;*P < 0.05。χ² = 48.86 ± 17.05,GFI = 0.93 ± 0.02,RMSEA = 0.06 ± 0.04,AIC = 89.02 ± 0.34。

图3 地球系统模型的生物多样性效应评估

a-d,15个Trendy模型(a)和13个CMIP6模型在不同共享社会经济路径(SSP1-2.6(b),SSP2-4.5(c)和SSP5-8.5(d))下的结果(模型详情见补充信息,表2和3)。a中的“Observation”来源于11组观测数据重采样后的分析结果(见补充信息,图11),以平均值±标准差表示。a的子图(i)–(xv)代表15个Trendy模型的结果的空间分布。图中的数字是显著正相关样本占所有显著样本的百分比。显著性水平设定为P < 0.05,由双尾t检验确定。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/863658.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

第一百三十四节 Java数据类型教程 - Java int数据类型

Java数据类型教程 - Java int数据类型 int数据类型是32位有符号Java原语数据类型。 int数据类型的变量需要32位内存。 其有效范围为-2,147,483,648至2,147,483,647&#xff08;-231至231 - 1&#xff09;。 此范围中的所有整数称为整数字面量。 例如&#xff0c;10&#xf…

Eclipse 悬浮提示:提升编程效率的利器

Eclipse 悬浮提示:提升编程效率的利器 引言 对于广大开发者而言,Eclipse 是一款功能强大的集成开发环境(IDE)。它不仅支持多种编程语言,还提供了丰富的插件和工具,以帮助开发者提高编程效率和代码质量。在本文中,我们将重点探讨 Eclipse 中的一个实用功能——悬浮提示…

刷算法Leetcode---7(二叉树篇)(前中后序遍历)

前言 本文是跟着代码随想录的栈与队列顺序进行刷题并编写的 代码随想录 好久没刷算法了&#xff0c;最近又开始继续刷&#xff0c;果然还是要坚持。 二叉树的题目比之前多了好多&#xff0c;就多分几次写啦~ 这是力扣刷算法的其他文章链接&#xff1a;刷算法Leetcode文章汇总 …

PyTorch读写模型(state_dict、torch.save、torch.load)

1. state_dict 在PyTorch中&#xff0c;state_dict 是一个简单的python的字典对象&#xff0c;将每一层与它的对应参数建立映射关系。(如model的每一层的weights及bias等) 首先&#xff0c;我们来定义一个MLP模型&#xff1a; import torch.nn as nnclass MLP(nn.Module):de…

494. 目标和 Medium

给你一个非负整数数组 nums 和一个整数 target 。 向数组中的每个整数前添加 或 - &#xff0c;然后串联起所有整数&#xff0c;可以构造一个 表达式 &#xff1a; 例如&#xff0c;nums [2, 1] &#xff0c;可以在 2 之前添加 &#xff0c;在 1 之前添加 - &#xff0c;然…

使用Calendar.add进行日期计算

使用Calendar.add进行日期计算 大家好&#xff0c;我是免费搭建查券返利机器人省钱赚佣金就用微赚淘客系统3.0的小编&#xff0c;也是冬天不穿秋裤&#xff0c;天冷也要风度的程序猿&#xff01;今天我们将深入探讨在Java中如何使用Calendar.add方法进行日期计算。Calendar类是…

如何在Ubuntu20上离线安装joern(包括sbt和scala)

在Ubuntu 20上离线安装Joern&#xff0c;由于Joern通常需要通过互联网从其官方源或GitHub等地方下载&#xff0c;但在离线环境中&#xff0c;我们需要通过一些额外的步骤来准备和安装。&#xff08;本人水平有限&#xff0c;希望得到大家的指正&#xff09; 我们首先要做的就是…

在QGIS中调用天地图

2019年 1月 1日起&#xff0c;天地图 API及服务接口调用需要获得开发授权&#xff0c;之前使用 QGIS等 GIS软件无法继续调用天地图&#xff0c;这就需要申请一个许可。 一、注册并申请 Key 具体申请可以登录如下地址&#xff1a;https://www.tianditu.gov.cn打开上述网址后点…

速盾:cdn加速哪个好?

在现代互联网时代&#xff0c;网站的速度和稳定性是非常重要的。为了提供最佳的用户体验&#xff0c;许多网站和应用程序都使用CDN&#xff08;内容分发网络&#xff09;来加速其内容的传输。CDN是由位于全球各地的分布式服务器组成的网络&#xff0c;其目的是将内容尽可能快地…

工厂方法模式:概念与应用

目录 工厂方法模式工厂方法模式结构工厂方法适合的应用场景工厂方法模式的优缺点练手题目题目描述输入描述输出描述**提示信息**解题&#xff1a; 工厂方法模式 工厂方法模式是一种创建型设计模式&#xff0c; 其在父类中提供一个创建对象的方法&#xff0c; 允许子类决定实例…

SQLite3的使用

14_SQLite3 SQLite3是一个嵌入式数据库系统&#xff0c;它的数据库就是一个文件。SQLite3不需要一个单独的服务器进程或操作系统&#xff0c;不需要配置&#xff0c;这意味着不需要安装或管理&#xff0c;所有的维护都来自于SQLite3软件本身。 安装步骤 在Linux上安装SQLite…

《概率论与数理统计》期末复习笔记_下

目录 第4章 随机变量的数字特征 4.1 数学期望 4.2 方差 4.3 常见分布的期望与方差 4.4 协方差与相关系教 第5章 大数定律和中心极限定理 5.1 大数定律 5.2 中心极限定理 第6章 样本与抽样分布 6.1 数理统汁的基本概念 6.2 抽样分布 6.2.1 卡方分布 6.2.2 t分布 6.…

Winform使用HttpClient调用WebApi的基本用法

Winform程序调用WebApi的方式有很多&#xff0c;本文学习并记录采用HttpClient调用基于GET、POST请求的WebApi的基本方式。WebApi使用之前编写的检索环境检测数据的接口&#xff0c;如下图所示。 调用基于GET请求的无参数WebApi 创建HttpClient实例后调用GetStringAsync函数获…

技术打包 催化剂浸渍制作方法设备

网盘 https://pan.baidu.com/s/1Bybbyy5qEA2uTUlaELmWwg?pwdepdk 改性加氢处理催化剂载体、催化剂及其制备方法和应用.pdf 水滑石基催化剂在高浓度糖转化到1,2-丙二醇中的应用.pdf 海泡石负载铁锰双金属催化剂及其制备方法和应用.pdf 甘油氢解催化剂及其制备方法和应用.pdf 用…

【原理】机器学习中的最小二乘法公式推导过程

本文来自《老饼讲解-BP神经网络》https://www.bbbdata.com/ 目录 一、什么是最小二乘法1.1. 什么是最小二乘法1.2. 最小二乘法的求解公式 二、最小二乘法求解公式的推导 最小二乘法是基本的线性求解问题之一&#xff0c;本文介绍最小二乘法的原理&#xff0c;和最小二法求解公式…

如何使用Spring Boot进行单元测试

如何使用Spring Boot进行单元测试 大家好&#xff0c;我是免费搭建查券返利机器人省钱赚佣金就用微赚淘客系统3.0的小编&#xff0c;也是冬天不穿秋裤&#xff0c;天冷也要风度的程序猿&#xff01;今天我们将探讨如何在Spring Boot项目中进行单元测试&#xff0c;确保代码质量…

Week 4-杨帆-学习总结

目录 28 批量归一化批量规范化的背景和必要性批量规范化的实现理论探讨与争议遇到的问题&解决办法 29 残差网络 ResNet残差网络&#xff08;ResNet&#xff09;的核心概念函数类与嵌套函数类残差块&#xff08;Residual Blocks&#xff09;的结构与功能深度学习框架的应用模…

【学习笔记】Redis学习笔记——第2章:简单动态字符串

第2章&#xff1a;简单动态字符串 Redis用作键值对或AOF缓冲区的字符串为SDS(简单动态字符串)&#xff0c;而不是C语言传统字符串(只用作打印log等不会修改字符串值的地方)。 2.1 SDS的定义 {//SDS字符串长度&#xff08;buf数组中已使用的空间&#xff09;int len;//buf数组…

【Vue】Vue3基础

VUE3基础 1、简介2、创建工程2.1 基于vue-cli创建&#xff08;脚手架webpack&#xff09;2.2 基于vite创建&#xff08;推荐&#xff09;2.3 目录结构2.4 vscode插件推荐 3、核心语法3.1 选项式&#xff08;options API&#xff09;和组合式&#xff08;composition API&#x…

Arduino - LED 矩阵

Arduino - LED 矩阵 Arduino - LED Matrix LED matrix display, also known as LED display, or dot matrix display, are wide-used. In this tutorial, we are going to learn: LED矩阵显示器&#xff0c;也称为LED显示器&#xff0c;或点阵显示器&#xff0c;应用广泛。在…