five

Data from: Intraspecific variation of a dominant grass and local adaptation in reciprocal garden communities along a US Great Plains’ precipitation gradient: implications for grassland restoration with climate change|草地恢复数据集|气候变化适应性数据集

收藏
DataONE2015-05-26 更新2024-06-27 收录
草地恢复
气候变化适应性
下载链接:
https://search.dataone.org/view/null
下载链接
链接失效反馈
资源简介:
Identifying suitable genetic stock for restoration often employs a “best guess” approach. Without adaptive variation studies, restoration may be misguided. We test the extent to which climate in central US grasslands exerts selection pressure on a foundation grass big bluestem (Andropogon gerardii), widely used in restorations, and resulting in local adaptation. We seeded three regional ecotypes of A. gerardii in reciprocal transplant garden communities across 1150 km precipitation gradient. We measured ecological responses over several time scales (instantaneous gas exchange, medium-term chlorophyll absorbance, and long-term responses of establishment and cover) in response to climate and biotic factors, and tested if ecotypes could expand range. The ecotype from the driest region exhibited greatest cover under low rainfall, suggesting local adaptation under abiotic stress. Unexpectedly, no evidence for cover differences between ecotypes exists at mesic sites where establishment and cover of all ecotypes were low, perhaps due to strong biotic pressures. Expression of adaptive differences is strongly environment-specific. Given observed adaptive variation, the most conservative restoration strategy would be to plant the local ecotype, especially in drier locations. With superior performance of the most xeric ecotype under dry conditions and predicted drought, this ecotype may migrate eastward, naturally or with assistance in restorations.
创建时间:
2015-05-26
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4098个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

13_Gitovu.rar

:unav

DataCite Commons 收录

中国气象数据

本数据集包含了中国2023年1月至11月的气象数据,包括日照时间、降雨量、温度、风速等关键数据。通过这些数据,可以深入了解气象现象对不同地区的影响,并通过可视化工具揭示中国的气温分布、降水情况、风速趋势等。

github 收录

DOLPHINS

DOLPHINS数据集是由清华大学电子工程系创建的一个大规模、多场景、多视角、多模态的自动驾驶数据集。该数据集包含42376帧图像和点云数据,涵盖6种典型自动驾驶场景,如城市交叉口、T型路口等,并考虑了动态天气条件。数据集通过CARLA模拟器生成,确保了数据的多样性和真实性。DOLPHINS数据集旨在支持车辆间(V2V)和车辆与基础设施间(V2I)的协同感知研究,解决自动驾驶中的盲区和长距离感知问题,推动互联自动驾驶技术的发展。

arXiv 收录

CodeGen

CodeGen数据集是一个用于代码生成和理解的大型数据集,包含了多种编程语言的代码片段和相应的自然语言描述。该数据集旨在帮助研究人员和开发者训练和评估代码生成模型,提高代码生成的准确性和效率。

github.com 收录

中国区域地面气象要素驱动数据集 v2.0(1951-2020)

中国区域地面气象要素驱动数据集(China Meteorological Forcing Data,以下简称 CMFD)是为支撑中国区域陆面、水文、生态等领域研究而研发的一套高精度、高分辨率、长时间序列数据产品。本页面发布的 CMFD 2.0 包含了近地面气温、气压、比湿、全风速、向下短波辐射通量、向下长波辐射通量、降水率等气象要素,时间分辨率为 3 小时,水平空间分辨率为 0.1°,时间长度为 70 年(1951~2020 年),覆盖了 70°E~140°E,15°N~55°N 空间范围内的陆地区域。CMFD 2.0 融合了欧洲中期天气预报中心 ERA5 再分析数据与气象台站观测数据,并在辐射、降水数据产品中集成了采用人工智能技术制作的 ISCCP-ITP-CNN 和 TPHiPr 数据产品,其数据精度较 CMFD 的上一代产品有显著提升。 CMFD 历经十余年的发展,其间发布了多个重要版本。2019 年发布的 CMFD 1.6 是完全采用传统数据融合技术制作的最后一个 CMFD 版本,而本次发布的 CMFD 2.0 则是 CMFD 转向人工智能技术制作的首个版本。此版本与 1.6 版具有相同的时空分辨率和基础变量集,但在其它诸多方面存在大幅改进。除集成了采用人工智能技术制作的辐射和降水数据外,在制作 CMFD 2.0 的过程中,研发团队尽可能采用单一来源的再分析数据作为输入并引入气象台站迁址信息,显著缓解了 CMFD 1.6 中因多源数据拼接和气象台站迁址而产生的虚假气候突变。同时,CMFD 2.0 数据的时间长度从 CMFD 1.6 的 40 年大幅扩展到了 70 年,并将继续向后延伸。CMFD 2.0 的网格空间范围虽然与 CMFD 1.6 相同,但其有效数据扩展到了中国之外,能够更好地支持跨境区域研究。为方便用户使用,CMFD 2.0 还在基础变量集之外提供了若干衍生变量,包括近地面相对湿度、雨雪分离降水产品等。此外,CMFD 2.0 摒弃了 CMFD 1.6 中通过 scale_factor 和 add_offset 参数将实型数据化为整型数据的压缩技术,转而直接将实型数据压缩存储于 NetCDF4 格式文件中,从而消除了用户使用数据时进行解压换算的困扰。 本数据集原定版本号为 1.7,但鉴于本数据集从输入数据到研制技术都较上一代数据产品有了大幅的改变,故将其版本号重新定义为 2.0。CMFD 2.0 的数据内容与此前宣传的 CMFD 1.7 基本一致,仅对 1983 年 7 月以后的向下短/长波辐射通量数据进行了更新,以修正其长期趋势存在的问题。2021 年至 2024 年的 CMFD 数据正在制作中,计划于 2025 年上半年发布,从而使 CMFD 2.0 延伸至 2024 年底。

国家青藏高原科学数据中心 收录