Changes

              
    

          
          
        
        

            
f
1
{
f
1
{
            
2
  "author": "[{\"affiliation\": \"WSL\", \"affiliation_02\": \"SLF\", 
2
  "author": "[{\"affiliation\": \"WSL\", \"affiliation_02\": \"SLF\", 
            
3
\"affiliation_03\": \"Aarhus University\", \"data_credit\": 
3
\"affiliation_03\": \"Aarhus University\", \"data_credit\": 
            
4
[\"collection\", \"validation\", \"curation\", \"software\", 
4
[\"collection\", \"validation\", \"curation\", \"software\", 
            
5
\"publication\", \"supervision\"], \"email\": 
5
\"publication\", \"supervision\"], \"email\": 
            
6
\"nathalie.chardon@gmail.com\", \"given_name\": \"Nathalie Isabelle\", 
6
\"nathalie.chardon@gmail.com\", \"given_name\": \"Nathalie Isabelle\", 
            
7
\"identifier\": \"0000-0001-9120-4778\", \"name\": \"Chardon\"}, 
7
\"identifier\": \"0000-0001-9120-4778\", \"name\": \"Chardon\"}, 
            
8
{\"affiliation\": \"Aarhus University\", \"affiliation_02\": 
8
{\"affiliation\": \"Aarhus University\", \"affiliation_02\": 
            
9
\"Department of Bioscience\", \"affiliation_03\": \"\", 
9
\"Department of Bioscience\", \"affiliation_03\": \"\", 
            
10
\"data_credit\": [\"collection\", \"validation\", \"curation\", 
10
\"data_credit\": [\"collection\", \"validation\", \"curation\", 
            
11
\"software\"], \"email\": \"jnn@bios.au.dk\", \"given_name\": 
11
\"software\"], \"email\": \"jnn@bios.au.dk\", \"given_name\": 
            
12
\"Jacob\", \"identifier\": \"0000-0002-0716-9525\", \"name\": 
12
\"Jacob\", \"identifier\": \"0000-0002-0716-9525\", \"name\": 
            
13
\"Nabe-Nielsen\"}, {\"affiliation\": \"Aarhus University\", 
13
\"Nabe-Nielsen\"}, {\"affiliation\": \"Aarhus University\", 
            
14
\"affiliation_02\": \"Department of Biology\", \"affiliation_03\": 
14
\"affiliation_02\": \"Department of Biology\", \"affiliation_03\": 
            
15
\"\", \"data_credit\": \"software\", \"email\": 
15
\"\", \"data_credit\": \"software\", \"email\": 
            
16
\"j.assmann@ecos.au.dk\", \"given_name\": \"Jakob\", \"identifier\": 
16
\"j.assmann@ecos.au.dk\", \"given_name\": \"Jakob\", \"identifier\": 
            
17
\"0000-0002-3492-8419\", \"name\": \"Assmann\"}, {\"affiliation\": 
17
\"0000-0002-3492-8419\", \"name\": \"Assmann\"}, {\"affiliation\": 
            
18
\"Greenland Institute of Natural Resources\", \"affiliation_02\": 
18
\"Greenland Institute of Natural Resources\", \"affiliation_02\": 
            
19
\"\", \"affiliation_03\": \"\", \"data_credit\": \"collection\", 
19
\"\", \"affiliation_03\": \"\", \"data_credit\": \"collection\", 
            
20
\"email\": \"idja@natur.gl\", \"given_name\": \"Ida Bomhold\", 
20
\"email\": \"idja@natur.gl\", \"given_name\": \"Ida Bomhold\", 
            
21
\"identifier\": \"0000-0003-2481-8061\", \"name\": \"Dyrholm 
21
\"identifier\": \"0000-0003-2481-8061\", \"name\": \"Dyrholm 
            
22
Jacobsen\"}, {\"affiliation\": \"Univ. Grenoble Alpes, Univ. Savoie 
22
Jacobsen\"}, {\"affiliation\": \"Univ. Grenoble Alpes, Univ. Savoie 
            
23
Mont Blanc\", \"affiliation_02\": \"CNRS, LECA, Laboratoire 
23
Mont Blanc\", \"affiliation_02\": \"CNRS, LECA, Laboratoire 
            
24
d\\u2019Ecologie Alpine\", \"affiliation_03\": \"\", \"data_credit\": 
24
d\\u2019Ecologie Alpine\", \"affiliation_03\": \"\", \"data_credit\": 
            
25
[\"curation\", \"software\"], \"email\": 
25
[\"curation\", \"software\"], \"email\": 
            
26
\"maya.gueguen@univ-grenoble-alpes.fr\", \"given_name\": \"Maya\", 
26
\"maya.gueguen@univ-grenoble-alpes.fr\", \"given_name\": \"Maya\", 
            
27
\"identifier\": \"\", \"name\": \"Gu\\u00e9guen\"}, {\"affiliation\": 
27
\"identifier\": \"\", \"name\": \"Gu\\u00e9guen\"}, {\"affiliation\": 
            
28
\"Aarhus University\", \"affiliation_02\": \"Department of Biology\", 
28
\"Aarhus University\", \"affiliation_02\": \"Department of Biology\", 
            
29
\"affiliation_03\": \"\", \"data_credit\": \"supervision\", \"email\": 
29
\"affiliation_03\": \"\", \"data_credit\": \"supervision\", \"email\": 
            
30
\"signe.normand@bios.au.dk\", \"given_name\": \"Signe\", 
30
\"signe.normand@bios.au.dk\", \"given_name\": \"Signe\", 
            
31
\"identifier\": \"0000-0002-8782-4154\", \"name\": \"Normand\"}, 
31
\"identifier\": \"0000-0002-8782-4154\", \"name\": \"Normand\"}, 
            
32
{\"affiliation\": \"WSL\", \"affiliation_02\": \"SLF\", 
32
{\"affiliation\": \"WSL\", \"affiliation_02\": \"SLF\", 
            
33
\"affiliation_03\": \"Swiss National Park\", \"data_credit\": 
33
\"affiliation_03\": \"Swiss National Park\", \"data_credit\": 
            
34
\"supervision\", \"email\": \"sonja.wipf@nationalpark.ch\", 
34
\"supervision\", \"email\": \"sonja.wipf@nationalpark.ch\", 
            
35
\"given_name\": \"Sonja\", \"identifier\": \"0000-0002-3492-1399\", 
35
\"given_name\": \"Sonja\", \"identifier\": \"0000-0002-3492-1399\", 
            
36
\"name\": \"Wipf\"}]",
36
\"name\": \"Wipf\"}]",
            
37
  "author_email": null,
37
  "author_email": null,
            
38
  "creator_user_id": "1e8d24c6-82c3-4ff0-a095-d2af4af0d225",
38
  "creator_user_id": "1e8d24c6-82c3-4ff0-a095-d2af4af0d225",
            
39
  "date": "[{\"date\": \"2020-08-01\", \"date_type\": \"collected\", 
39
  "date": "[{\"date\": \"2020-08-01\", \"date_type\": \"collected\", 
            
40
\"end_date\": \"2020-08-31\"}, {\"date\": \"2011-06-01\", 
40
\"end_date\": \"2020-08-31\"}, {\"date\": \"2011-06-01\", 
            
41
\"date_type\": \"collected\", \"end_date\": \"2013-08-31\"}]",
41
\"date_type\": \"collected\", \"end_date\": \"2013-08-31\"}]",
            
42
  "doi": "10.16904/envidat.286",
42
  "doi": "10.16904/envidat.286",
            
43
  "extras": [
43
  "extras": [
            
44
    {
44
    {
            
45
      "key": "resolution",
45
      "key": "resolution",
            
46
      "value": "0.09 km"
46
      "value": "0.09 km"
            
47
    }
47
    }
            
48
  ],
48
  ],
            
49
  "funding": "[{\"grant_number\": \"to JNN\", \"institution\": 
49
  "funding": "[{\"grant_number\": \"to JNN\", \"institution\": 
            
50
\"Greenland Climate Research Center\", \"institution_url\": \"\"}, 
50
\"Greenland Climate Research Center\", \"institution_url\": \"\"}, 
            
51
{\"grant_number\": \"to JNN\", \"institution\": \"Arctic Research 
51
{\"grant_number\": \"to JNN\", \"institution\": \"Arctic Research 
            
52
Centre at Aarhus University\", \"institution_url\": \"\"}, 
52
Centre at Aarhus University\", \"institution_url\": \"\"}, 
            
53
{\"grant_number\": \"730938 to NIC\", \"institution\": \"European 
53
{\"grant_number\": \"730938 to NIC\", \"institution\": \"European 
            
54
Union\u2019s Horizon 2020 project INTERACT\", \"institution_url\": 
54
Union\u2019s Horizon 2020 project INTERACT\", \"institution_url\": 
            
55
\"\"}, {\"grant_number\": \"to NIC\", \"institution\": \"American 
55
\"\"}, {\"grant_number\": \"to NIC\", \"institution\": \"American 
            
56
Alpine Club\", \"institution_url\": \"\"}, {\"grant_number\": \"to 
56
Alpine Club\", \"institution_url\": \"\"}, {\"grant_number\": \"to 
            
57
NIC\", \"institution\": \"WSL Director's Fund\", \"institution_url\": 
57
NIC\", \"institution\": \"WSL Director's Fund\", \"institution_url\": 
            
58
\"\"}, {\"grant_number\": \"GLACE project grant to SW & SN\", 
58
\"\"}, {\"grant_number\": \"GLACE project grant to SW & SN\", 
            
59
\"institution\": \"Swiss Polar Institute\", \"institution_url\": 
59
\"institution\": \"Swiss Polar Institute\", \"institution_url\": 
            
60
\"\"}, {\"grant_number\": \"7027\u201000133B to SN\", \"institution\": 
60
\"\"}, {\"grant_number\": \"7027\u201000133B to SN\", \"institution\": 
            
61
\"Independent Research Fund, Denmark\", \"institution_url\": \"\"}]",
61
\"Independent Research Fund, Denmark\", \"institution_url\": \"\"}]",
            
62
  "groups": [],
62
  "groups": [],
            
63
  "id": "040d25dd-71c0-40e6-99a8-849427250f5d",
63
  "id": "040d25dd-71c0-40e6-99a8-849427250f5d",
            
64
  "isopen": true,
64
  "isopen": true,
            
65
  "language": "en",
65
  "language": "en",
            
66
  "license_id": "cc-by-sa",
66
  "license_id": "cc-by-sa",
            
67
  "license_title": "Creative Commons Attribution Share-Alike 
67
  "license_title": "Creative Commons Attribution Share-Alike 
            
68
(CC-BY-SA)",
68
(CC-BY-SA)",
            
69
  "license_url": "https://creativecommons.org/licenses/by-sa/4.0/",
69
  "license_url": "https://creativecommons.org/licenses/by-sa/4.0/",
            
70
  "maintainer": "{\"affiliation\": \"WSL\", \"email\": 
70
  "maintainer": "{\"affiliation\": \"WSL\", \"email\": 
            
71
\"nathalie.chardon@gmail.com\", \"given_name\": \"Nathalie\", 
71
\"nathalie.chardon@gmail.com\", \"given_name\": \"Nathalie\", 
            
72
\"identifier\": \"0000-0001-9120-4778\", \"name\": \"Chardon\"}",
72
\"identifier\": \"0000-0001-9120-4778\", \"name\": \"Chardon\"}",
            
73
  "maintainer_email": null,
73
  "maintainer_email": null,
            
74
  "metadata_created": "2021-04-15T11:35:39.967832",
74
  "metadata_created": "2021-04-15T11:35:39.967832",
            
n
75
  "metadata_modified": "2022-02-09T00:00:18.036736",
n
75
  "metadata_modified": "2022-02-09T06:38:54.304855",
            
76
  "name": "gl_microclim",
76
  "name": "gl_microclim",
            
77
  "notes": "## Study Aim\r\n\r\nWe collected these data to 
77
  "notes": "## Study Aim\r\n\r\nWe collected these data to 
            
78
alternatively train and validate high resolution (~ 90 m) Species 
78
alternatively train and validate high resolution (~ 90 m) Species 
            
79
Distribution Models (SDMs) and Species Abundance Models (SAMs) for 
79
Distribution Models (SDMs) and Species Abundance Models (SAMs) for 
            
80
_Betula nana_ L. (dwarf birch, Betulaceae) and _Salix glauca_ L. (grey 
80
_Betula nana_ L. (dwarf birch, Betulaceae) and _Salix glauca_ L. (grey 
            
81
willow, Salicaceae) in Southwest Greenland to assess how well such 
81
willow, Salicaceae) in Southwest Greenland to assess how well such 
            
82
models can predict local-scale patterns.\r\n\r\n## Data 
82
models can predict local-scale patterns.\r\n\r\n## Data 
            
83
Description\r\n\r\nIndividual (presence-absence, abundance, maximum 
83
Description\r\n\r\nIndividual (presence-absence, abundance, maximum 
            
84
vegetative height) and community (species composition, maximum canopy 
84
vegetative height) and community (species composition, maximum canopy 
            
85
height) shrub data for two fjords near Nuuk, Southwest Greenland. Also 
85
height) shrub data for two fjords near Nuuk, Southwest Greenland. Also 
            
86
provided are corresponding downscaled climate data as well as 
86
provided are corresponding downscaled climate data as well as 
            
87
calculated topographic and terrain wetness indicator variables. 
87
calculated topographic and terrain wetness indicator variables. 
            
88
\r\n\r\n### Nuup Kangerlua (Godth\u00e5bsfjord)\r\n\r\n_Betula nana_ 
88
\r\n\r\n### Nuup Kangerlua (Godth\u00e5bsfjord)\r\n\r\n_Betula nana_ 
            
89
and _Salix glauca_ presence-absence, abundance, community species 
89
and _Salix glauca_ presence-absence, abundance, community species 
            
90
richness\r\n\r\n### Kangerluarsunnguaq (Kobbefjord)\r\n\r\nShrub 
90
richness\r\n\r\n### Kangerluarsunnguaq (Kobbefjord)\r\n\r\nShrub 
            
91
presence-absence, abundance, maximum vegetative height, community 
91
presence-absence, abundance, maximum vegetative height, community 
            
92
composition, maximum shrub canopy height \r\n\r\n\r\n## 
92
composition, maximum shrub canopy height \r\n\r\n\r\n## 
            
93
Methods\r\n\r\n### Field survey in Nuup Kangerlua\r\n\r\nWe conducted 
93
Methods\r\n\r\n### Field survey in Nuup Kangerlua\r\n\r\nWe conducted 
            
94
a stratified systematic plant survey along the length of Nuup 
94
a stratified systematic plant survey along the length of Nuup 
            
95
Kangerlua (NK) fjord in Soutwesth Greenland (Fig. 1 in Chardon et al. 
95
Kangerlua (NK) fjord in Soutwesth Greenland (Fig. 1 in Chardon et al. 
            
96
2022; following Nabe-Nielsen et al., 2017). At five distinct sites, we 
96
2022; following Nabe-Nielsen et al., 2017). At five distinct sites, we 
            
97
sampled along elevational gradients to collect data on presences, 
97
sampled along elevational gradients to collect data on presences, 
            
98
absences, abundance, and species composition of all woody species 
98
absences, abundance, and species composition of all woody species 
            
99
using a 0.7 x 0.7 m pin-point frame (Fig. 1e in Chardon et al. 2022). 
99
using a 0.7 x 0.7 m pin-point frame (Fig. 1e in Chardon et al. 2022). 
            
100
For model training, we converted these pin-point data to percent cover 
100
For model training, we converted these pin-point data to percent cover 
            
101
estimates based on the number of pins dropped (n = 25 per plot) and 
101
estimates based on the number of pins dropped (n = 25 per plot) and 
            
102
averaged them across the 119 spatio-climatic grids (see next section) 
102
averaged them across the 119 spatio-climatic grids (see next section) 
            
103
corresponding to the plot locations (for details see Appendix S2 in 
103
corresponding to the plot locations (for details see Appendix S2 in 
            
104
Chardon et al. 2022). \r\n\r\n### Field survey in Kangerluarsunnguaq 
104
Chardon et al. 2022). \r\n\r\n### Field survey in Kangerluarsunnguaq 
            
105
\r\n\r\nWe conducted a random stratified plant survey in 
105
\r\n\r\nWe conducted a random stratified plant survey in 
            
106
Kangerluarsunnguaq (K) fjord in Southwest Greenland. We used a 
106
Kangerluarsunnguaq (K) fjord in Southwest Greenland. We used a 
            
107
preliminary Species Abundance Model trained with summed pin counts of 
107
preliminary Species Abundance Model trained with summed pin counts of 
            
108
_Betula nana_ in NK fjord (see Fig. S1.3 in Chardon et al. 2022) to 
108
_Betula nana_ in NK fjord (see Fig. S1.3 in Chardon et al. 2022) to 
            
109
stratify the ~ 27 x 17 km fjord landscape into low, medium, and high 
109
stratify the ~ 27 x 17 km fjord landscape into low, medium, and high 
            
110
abundances classes. We randomly selected 90 x 90 m spatio-climatic 
110
abundances classes. We randomly selected 90 x 90 m spatio-climatic 
            
111
grids to survey in each class for a total of 200 grids, ensuring that 
111
grids to survey in each class for a total of 200 grids, ensuring that 
            
112
they were accessible by foot or boat (for details see Appendix S2 in 
112
they were accessible by foot or boat (for details see Appendix S2 in 
            
113
Chardon et al. 2022). Within each grid, we sampled within three 1 m2 
113
Chardon et al. 2022). Within each grid, we sampled within three 1 m2 
            
114
quadrats arranged in a randomly rotated equilateral triangle centered 
114
quadrats arranged in a randomly rotated equilateral triangle centered 
            
115
on the mid-point of the cell. We used a gridded sampling quadrat with 
115
on the mid-point of the cell. We used a gridded sampling quadrat with 
            
116
1% delineations (Fig. 1h in Chardon et al. 2022) to record woody 
116
1% delineations (Fig. 1h in Chardon et al. 2022) to record woody 
            
117
species presences, absences, and composition, estimated percent cover, 
117
species presences, absences, and composition, estimated percent cover, 
            
118
and measured maximum shrub species vegetatitve height. At every plot, 
118
and measured maximum shrub species vegetatitve height. At every plot, 
            
119
we also visually scanned the area in a 20 m radius from the plot and 
119
we also visually scanned the area in a 20 m radius from the plot and 
            
120
recorded the presence of any additional shrub species to estimate 
120
recorded the presence of any additional shrub species to estimate 
            
121
grid-level species richness. As in NK fjord, we averaged these data at 
121
grid-level species richness. As in NK fjord, we averaged these data at 
            
122
the grid level (for details see Appendix S2 in Chardon et al. 
122
the grid level (for details see Appendix S2 in Chardon et al. 
            
123
2022).\r\n\r\n### Biotic variables\r\n\r\nWe calculated biotic 
123
2022).\r\n\r\n### Biotic variables\r\n\r\nWe calculated biotic 
            
124
microscale variables from the plant survey data collected in NK and K 
124
microscale variables from the plant survey data collected in NK and K 
            
125
fjords. We calculated shrub species richness, diversity, and 
125
fjords. We calculated shrub species richness, diversity, and 
            
126
competition (i.e. sum of non-B. nana or non-S. glauca pin hits or 
126
competition (i.e. sum of non-B. nana or non-S. glauca pin hits or 
            
127
percent cover). In K fjord, we also calculated canopy height as the 
127
percent cover). In K fjord, we also calculated canopy height as the 
            
128
community weighted mean (by abundance) of maximum vegetative shrub 
128
community weighted mean (by abundance) of maximum vegetative shrub 
            
129
height.\r\n\r\n### Climate variables \r\n\r\nWe computed high 
129
height.\r\n\r\n### Climate variables \r\n\r\nWe computed high 
            
130
resolution temperature, precipitation, and insolation for local scale 
130
resolution temperature, precipitation, and insolation for local scale 
            
131
data for the study area by statistically downscaling climate time 
131
data for the study area by statistically downscaling climate time 
            
132
series (1982 - 2013) from the monthly CHELSA data (Karger et al. 
132
series (1982 - 2013) from the monthly CHELSA data (Karger et al. 
            
133
2017). We downscaled these data from 30 arc sec (~ 400 m at the 
133
2017). We downscaled these data from 30 arc sec (~ 400 m at the 
            
134
latitude of our study) to our target grid size of ~ 90 m with 
134
latitude of our study) to our target grid size of ~ 90 m with 
            
135
geographic weighted regression and using the MEaSUREs Greenland Ice 
135
geographic weighted regression and using the MEaSUREs Greenland Ice 
            
136
Mapping Project (GIMP) Digital Elevation Model (DEM) v. 1 (Howat et 
136
Mapping Project (GIMP) Digital Elevation Model (DEM) v. 1 (Howat et 
            
137
al., 2014, 2015). We then calculated 30-year averages of the climate 
137
al., 2014, 2015). We then calculated 30-year averages of the climate 
            
138
parameters: average summer (June \u2013 August) maximum temperature, 
138
parameters: average summer (June \u2013 August) maximum temperature, 
            
139
yearly maximum temperature, yearly minimum temperature, temperature 
139
yearly maximum temperature, yearly minimum temperature, temperature 
            
140
continentality (yearly max. - min. temperatures), cumulative Spring 
140
continentality (yearly max. - min. temperatures), cumulative Spring 
            
141
(March \u2013 May) precipitation, cumulative summer precipitation, and 
141
(March \u2013 May) precipitation, cumulative summer precipitation, and 
            
142
average summer incident solar radiation (henceforth, insolation) (for 
142
average summer incident solar radiation (henceforth, insolation) (for 
            
143
calculation details see Appendices S2, S3 in Chardon et al. 2022 and 
143
calculation details see Appendices S2, S3 in Chardon et al. 2022 and 
            
144
Appendix S2 in von Oppen et al. 2021).\r\n\r\n### Topography and 
144
Appendix S2 in von Oppen et al. 2021).\r\n\r\n### Topography and 
            
145
terrain wetness indicator variables\r\n\r\nWe calculated several 
145
terrain wetness indicator variables\r\n\r\nWe calculated several 
            
146
topographic and terrain wetness indices at a local scale. We derived 
146
topographic and terrain wetness indices at a local scale. We derived 
            
147
slope, aspect, and the SAGA wetness index (hereafter TWI; Boehner et 
147
slope, aspect, and the SAGA wetness index (hereafter TWI; Boehner et 
            
148
al., 2002; Boehner and Selige, 2006) from the GIMP DEM. TWI is a 
148
al., 2002; Boehner and Selige, 2006) from the GIMP DEM. TWI is a 
            
149
measure of how \u2018wet\u2019 an area is, based on water drainage 
149
measure of how \u2018wet\u2019 an area is, based on water drainage 
            
150
from the surrounding landscape. We also calculated the tasseled cap 
150
from the surrounding landscape. We also calculated the tasseled cap 
            
151
wetness component (hereafter TCW, Crist and Cicone 1984) from 
151
wetness component (hereafter TCW, Crist and Cicone 1984) from 
            
152
satellite images (for details see Appendices S2, S3 in Chardon et al. 
152
satellite images (for details see Appendices S2, S3 in Chardon et al. 
            
153
2022) as an alternative measure of wetness. \r\n\r\n### Computer 
153
2022) as an alternative measure of wetness. \r\n\r\n### Computer 
            
154
code\r\n\r\nAttached as zip file and available on GitLab 
154
code\r\n\r\nAttached as zip file and available on GitLab 
            
155
(https://gitlab.com/nathaliechardon/gl_microclim)\r\n\r\n### 
155
(https://gitlab.com/nathaliechardon/gl_microclim)\r\n\r\n### 
            
156
Third-party data\r\n\r\nData used to calculate climate, topography, 
156
Third-party data\r\n\r\nData used to calculate climate, topography, 
            
157
and terrain wetness indicator variables are publicly available (see 
157
and terrain wetness indicator variables are publicly available (see 
            
158
Appendix S2 in Chardon et al. 2022 for all data references).",
158
Appendix S2 in Chardon et al. 2022 for all data references).",
            
159
  "num_resources": 3,
159
  "num_resources": 3,
            
160
  "num_tags": 6,
160
  "num_tags": 6,
            
161
  "organization": {
161
  "organization": {
            
162
    "approval_status": "approved",
162
    "approval_status": "approved",
            
163
    "created": "2016-11-15T17:00:55.703329",
163
    "created": "2016-11-15T17:00:55.703329",
            
164
    "description": "Mountain ecosystems are characterized by harsh 
164
    "description": "Mountain ecosystems are characterized by harsh 
            
165
environmental conditions. These include often long lasting snow cover, 
165
environmental conditions. These include often long lasting snow cover, 
            
166
short growing seasons and topographically related disturbances such as 
166
short growing seasons and topographically related disturbances such as 
            
167
avalanches, rockfall or landslides.Mountain ecosystems and inhabiting 
167
avalanches, rockfall or landslides.Mountain ecosystems and inhabiting 
            
168
animal and plant species are generally well adapted to these 
168
animal and plant species are generally well adapted to these 
            
169
conditions. However, they may react sensitively to changes of climate, 
169
conditions. However, they may react sensitively to changes of climate, 
            
170
land-use and disturbance regimes. Activities of the group focus on 
170
land-use and disturbance regimes. Activities of the group focus on 
            
171
mountain ecosystems above and below the treeline (mountain forest, 
171
mountain ecosystems above and below the treeline (mountain forest, 
            
172
alpine ecosystems) and represent links between ecosystem research of 
172
alpine ecosystems) and represent links between ecosystem research of 
            
173
WSL and snow and avalanche topics of the SLF in 
173
WSL and snow and avalanche topics of the SLF in 
            
174
Davos.\r\n\r\n__Further information__: 
174
Davos.\r\n\r\n__Further information__: 
            
175
ganization/research-units/community-ecology/mountain-ecosystems.html",
175
ganization/research-units/community-ecology/mountain-ecosystems.html",
            
176
    "id": "f666a8d9-de8b-4dcf-b24f-45dd31937218",
176
    "id": "f666a8d9-de8b-4dcf-b24f-45dd31937218",
            
177
    "image_url": "2018-07-10-090212.143084LogoWSL.svg",
177
    "image_url": "2018-07-10-090212.143084LogoWSL.svg",
            
178
    "is_organization": true,
178
    "is_organization": true,
            
179
    "name": "mountain-ecosystems",
179
    "name": "mountain-ecosystems",
            
180
    "state": "active",
180
    "state": "active",
            
181
    "title": "Mountain Ecosystems",
181
    "title": "Mountain Ecosystems",
            
182
    "type": "organization"
182
    "type": "organization"
            
183
  },
183
  },
            
184
  "owner_org": "f666a8d9-de8b-4dcf-b24f-45dd31937218",
184
  "owner_org": "f666a8d9-de8b-4dcf-b24f-45dd31937218",
            
185
  "private": false,
185
  "private": false,
            
186
  "publication": "{\"publication_year\": \"2022\", \"publisher\": 
186
  "publication": "{\"publication_year\": \"2022\", \"publisher\": 
            
187
\"EnviDat\"}",
187
\"EnviDat\"}",
            
t
188
  "publication_state": "pub_pending",
t
188
  "publication_state": "approved",
            
189
  "related_datasets": "",
189
  "related_datasets": "",
            
190
  "related_publications": "Chardon et al. (2022). High resolution 
190
  "related_publications": "Chardon et al. (2022). High resolution 
            
191
Species Distribution and Abundance Models cannot predict separate 
191
Species Distribution and Abundance Models cannot predict separate 
            
192
shrub datasets in adjacent Arctic fjords. Diversity and 
192
shrub datasets in adjacent Arctic fjords. Diversity and 
            
193
Distributions.",
193
Distributions.",
            
194
  "relationships_as_object": [],
194
  "relationships_as_object": [],
            
195
  "relationships_as_subject": [],
195
  "relationships_as_subject": [],
            
196
  "resource_type": "datapaper",
196
  "resource_type": "datapaper",
            
197
  "resource_type_general": "datapaper",
197
  "resource_type_general": "datapaper",
            
198
  "resources": [
198
  "resources": [
            
199
    {
199
    {
            
200
      "cache_last_updated": null,
200
      "cache_last_updated": null,
            
201
      "cache_url": null,
201
      "cache_url": null,
            
202
      "created": "2021-04-15T12:25:06.089672",
202
      "created": "2021-04-15T12:25:06.089672",
            
203
      "description": "## Collected July-August 2011-2013 (PI: Jacob 
203
      "description": "## Collected July-August 2011-2013 (PI: Jacob 
            
204
Nabe-Nielsen)\r\n\r\nThese data collected July-August 2011-2013 (PI: 
204
Nabe-Nielsen)\r\n\r\nThese data collected July-August 2011-2013 (PI: 
            
205
Jacob Nabe-Nielsen). Please contact J. Nabe-Nielsen 
205
Jacob Nabe-Nielsen). Please contact J. Nabe-Nielsen 
            
206
(jnn_at_ecos.au.dk) to request access to data on all surveyed shrub 
206
(jnn_at_ecos.au.dk) to request access to data on all surveyed shrub 
            
207
species. Available here are only data used in Chardon et al. 
207
species. Available here are only data used in Chardon et al. 
            
208
2022.\r\n\r\n## COLUMN ABBREVIATIONS\r\n\r\n### Metadata for 90 m 
208
2022.\r\n\r\n## COLUMN ABBREVIATIONS\r\n\r\n### Metadata for 90 m 
            
209
spatial grid\r\n\r\nyear: sampling year \r\n\r\nalt: average altitude 
209
spatial grid\r\n\r\nyear: sampling year \r\n\r\nalt: average altitude 
            
210
of grid as recorded during field surveys [m]\r\n\r\nlong: WGS84 
210
of grid as recorded during field surveys [m]\r\n\r\nlong: WGS84 
            
211
longitude\r\n\r\nlat: WGS84 latitude\r\n\r\nx_stere: longitude in 
211
longitude\r\n\r\nlat: WGS84 latitude\r\n\r\nx_stere: longitude in 
            
212
Polar Stereographic (EPSG 4326)\r\n\r\ny_stere: latitude in Polar 
212
Polar Stereographic (EPSG 4326)\r\n\r\ny_stere: latitude in Polar 
            
213
Stereographic (EPSG 4326)\r\n\r\n### Species presence [1] or absence 
213
Stereographic (EPSG 4326)\r\n\r\n### Species presence [1] or absence 
            
214
[0] at grid level\r\n\r\npa_bena: _Betula nana_\r\n\r\npa_sagl: _Salix 
214
[0] at grid level\r\n\r\npa_bena: _Betula nana_\r\n\r\npa_sagl: _Salix 
            
215
glauca_\r\n\r\n### Shrub species cover (calculated from pin hits in 
215
glauca_\r\n\r\n### Shrub species cover (calculated from pin hits in 
            
216
0.7 x 0.7 m frame, based on total of 25 hits) [%]\r\n\r\ncov_bena: 
216
0.7 x 0.7 m frame, based on total of 25 hits) [%]\r\n\r\ncov_bena: 
            
217
_Betula nana_ cover\r\n\r\ncov_sagl: _Salix glauca_ cover\r\n\r\n### 
217
_Betula nana_ cover\r\n\r\ncov_sagl: _Salix glauca_ cover\r\n\r\n### 
            
218
Downscaled climate (time series 1984 \u2013 2013)\r\n\r\ntempjja: 
218
Downscaled climate (time series 1984 \u2013 2013)\r\n\r\ntempjja: 
            
219
average maximum June-August temperature [\u00baC]\r\n\r\ntempmax: 
219
average maximum June-August temperature [\u00baC]\r\n\r\ntempmax: 
            
220
yearly maximum temperature [\u00baC]\r\n\r\ntempmin: yearly minimum 
220
yearly maximum temperature [\u00baC]\r\n\r\ntempmin: yearly minimum 
            
221
temperature [\u00baC]\r\n\r\ntempcont: yearly maximum \u2013 minimum 
221
temperature [\u00baC]\r\n\r\ntempcont: yearly maximum \u2013 minimum 
            
222
temperature [\u00baC]\r\n\r\nprecipmam: cumulative March-May 
222
temperature [\u00baC]\r\n\r\nprecipmam: cumulative March-May 
            
223
precipitation [mm]\r\n\r\nprecipjja: cumulative June-August 
223
precipitation [mm]\r\n\r\nprecipjja: cumulative June-August 
            
224
precipitation [mm]\r\n\r\ninsoljja: average June-August insolation [MJ 
224
precipitation [mm]\r\n\r\ninsoljja: average June-August insolation [MJ 
            
225
cm-2 yr-1]\r\n\r\n### Topography and terrain wetness (calculated 
225
cm-2 yr-1]\r\n\r\n### Topography and terrain wetness (calculated 
            
226
from)\r\n\r\ntwi: SAGA wetness index (MEaSUREs Greenland Ice Mapping 
226
from)\r\n\r\ntwi: SAGA wetness index (MEaSUREs Greenland Ice Mapping 
            
227
Project Digital Elevation Model v. 1; Howat et al., 2014, 
227
Project Digital Elevation Model v. 1; Howat et al., 2014, 
            
228
2015)\r\n\r\nslope: slope angle (MEaSUREs Greenland Ice Mapping 
228
2015)\r\n\r\nslope: slope angle (MEaSUREs Greenland Ice Mapping 
            
229
Project Digital Elevation Model v. 1; Howat et al., 2014, 2015) 
229
Project Digital Elevation Model v. 1; Howat et al., 2014, 2015) 
            
230
[\u00ba]\r\n\r\nasp: aspect (MEaSUREs Greenland Ice Mapping Project 
230
[\u00ba]\r\n\r\nasp: aspect (MEaSUREs Greenland Ice Mapping Project 
            
231
Digital Elevation Model v. 1; Howat et al., 2014, 2015) 
231
Digital Elevation Model v. 1; Howat et al., 2014, 2015) 
            
232
[\u00ba]\r\n\r\ntcws: Tasseled Cap Wetness component (Sentinal 
232
[\u00ba]\r\n\r\ntcws: Tasseled Cap Wetness component (Sentinal 
            
233
images)\r\n\r\n### Community characteristics\r\n\r\nrich: shrub 
233
images)\r\n\r\n### Community characteristics\r\n\r\nrich: shrub 
            
234
species richness averaged across pin-point frames per 
234
species richness averaged across pin-point frames per 
            
235
grid\r\n\r\nshan: Shannon diversity (\u2018vegan\u2019 package; 
235
grid\r\n\r\nshan: Shannon diversity (\u2018vegan\u2019 package; 
            
236
Oksanen et al. 2019)\r\n\r\ncomp_bena: shrub competition on Betula 
236
Oksanen et al. 2019)\r\n\r\ncomp_bena: shrub competition on Betula 
            
237
nana (i.e. summed cover of non-_B. nana_ species) [% 
237
nana (i.e. summed cover of non-_B. nana_ species) [% 
            
238
cover]\r\n\r\ncomp_sagl: shrub competition on Salix glauca (i.e. 
238
cover]\r\n\r\ncomp_sagl: shrub competition on Salix glauca (i.e. 
            
239
summed cover of non-_S. glauca_ species) [% cover]",
239
summed cover of non-_S. glauca_ species) [% cover]",
            
240
      "doi": "",
240
      "doi": "",
            
241
      "format": ".csv",
241
      "format": ".csv",
            
242
      "hash": "",
242
      "hash": "",
            
243
      "id": "49bbe7fa-5694-4aff-9754-1d66bdc0978e",
243
      "id": "49bbe7fa-5694-4aff-9754-1d66bdc0978e",
            
244
      "last_modified": "2022-02-09T00:39:39.537017",
244
      "last_modified": "2022-02-09T00:39:39.537017",
            
245
      "metadata_modified": "2022-02-08T23:43:51.872286",
245
      "metadata_modified": "2022-02-08T23:43:51.872286",
            
246
      "mimetype": null,
246
      "mimetype": null,
            
247
      "mimetype_inner": null,
247
      "mimetype_inner": null,
            
248
      "name": "Nuup Kangerlua",
248
      "name": "Nuup Kangerlua",
            
249
      "package_id": "040d25dd-71c0-40e6-99a8-849427250f5d",
249
      "package_id": "040d25dd-71c0-40e6-99a8-849427250f5d",
            
250
      "position": 0,
250
      "position": 0,
            
251
      "publication_state": "",
251
      "publication_state": "",
            
252
      "resource_size": "{\"size_units\": \"kb\", \"size_value\": 
252
      "resource_size": "{\"size_units\": \"kb\", \"size_value\": 
            
253
\"\"}",
253
\"\"}",
            
254
      "resource_type": null,
254
      "resource_type": null,
            
255
      "restricted": "{\"allowed_users\": \"\", \"level\": \"public\", 
255
      "restricted": "{\"allowed_users\": \"\", \"level\": \"public\", 
            
256
\"shared_secret\": \"\"}",
256
\"shared_secret\": \"\"}",
            
257
      "size": 27166,
257
      "size": 27166,
            
258
      "state": "active",
258
      "state": "active",
            
259
      "url": 
259
      "url": 
            
260
urce/49bbe7fa-5694-4aff-9754-1d66bdc0978e/download/nuupkangerlua.csv",
260
urce/49bbe7fa-5694-4aff-9754-1d66bdc0978e/download/nuupkangerlua.csv",
            
261
      "url_type": "upload"
261
      "url_type": "upload"
            
262
    },
262
    },
            
263
    {
263
    {
            
264
      "cache_last_updated": null,
264
      "cache_last_updated": null,
            
265
      "cache_url": null,
265
      "cache_url": null,
            
266
      "created": "2021-04-15T12:25:51.498446",
266
      "created": "2021-04-15T12:25:51.498446",
            
267
      "description": "## Collected August 2020 (PI: Nathalie Isabelle 
267
      "description": "## Collected August 2020 (PI: Nathalie Isabelle 
            
268
Chardon)\r\n\r\nThese data collected August 2020 (PI: Nathalie 
268
Chardon)\r\n\r\nThese data collected August 2020 (PI: Nathalie 
            
269
Isabelle Chardon). Please contact N. I. Chardon 
269
Isabelle Chardon). Please contact N. I. Chardon 
            
270
(nathalie.chardon_at_gmail.com) for individual quadrat (i.e. 1 m x 1 
270
(nathalie.chardon_at_gmail.com) for individual quadrat (i.e. 1 m x 1 
            
271
m) data, which are averaged at the 90 m spatial grid here. \r\n\r\n## 
271
m) data, which are averaged at the 90 m spatial grid here. \r\n\r\n## 
            
272
COLUMN ABBREVIATIONS\r\n\r\n### Metadata for 90 m spatial 
272
COLUMN ABBREVIATIONS\r\n\r\n### Metadata for 90 m spatial 
            
273
grid\r\n\r\nid: sampling zone and unique 90 m grid 
273
grid\r\n\r\nid: sampling zone and unique 90 m grid 
            
274
identifier\r\n\r\nlong: WGS84 longitude\r\n\r\nlat: WGS84 
274
identifier\r\n\r\nlong: WGS84 longitude\r\n\r\nlat: WGS84 
            
275
latitude\r\n\r\nx_stere: longitude in Polar Stereographic (EPSG 
275
latitude\r\n\r\nx_stere: longitude in Polar Stereographic (EPSG 
            
276
4326)\r\n\r\ny_stere: latitude in Polar Stereographic (EPSG 
276
4326)\r\n\r\ny_stere: latitude in Polar Stereographic (EPSG 
            
277
4326)\r\n\r\ndate: sampling day.month.year\r\n\r\n### Species presence 
277
4326)\r\n\r\ndate: sampling day.month.year\r\n\r\n### Species presence 
            
278
[1] or absence [0] at grid level\r\n\r\nalcr: _Alnus crispa_ 
278
[1] or absence [0] at grid level\r\n\r\nalcr: _Alnus crispa_ 
            
279
\r\n\r\nbena: _Betula nana_\r\n\r\ndila: _Diapensia 
279
\r\n\r\nbena: _Betula nana_\r\n\r\ndila: _Diapensia 
            
280
lapponica_\r\n\r\nemni: _Empetrum nigrum_\r\n\r\nhahy: _Harimanella 
280
lapponica_\r\n\r\nemni: _Empetrum nigrum_\r\n\r\nhahy: _Harimanella 
            
281
hypoides_\r\n\r\nlopr: _Loiseleuria procumbens_\r\n\r\noxpa: 
281
hypoides_\r\n\r\nlopr: _Loiseleuria procumbens_\r\n\r\noxpa: 
            
282
_Oxycoccus palustre_\r\n\r\nphca: _Phyllodoce caerulea_\r\n\r\nrhod: 
282
_Oxycoccus palustre_\r\n\r\nphca: _Phyllodoce caerulea_\r\n\r\nrhod: 
            
283
_Rhododendron_ sp.\r\n\r\nsaar: _Salix arctica_\r\n\r\nsagl: _Salix 
283
_Rhododendron_ sp.\r\n\r\nsaar: _Salix arctica_\r\n\r\nsagl: _Salix 
            
284
glauca_\r\n\r\nsahe: _Salix herbacea_\r\n\r\nvaul: _Vaccinium 
284
glauca_\r\n\r\nsahe: _Salix herbacea_\r\n\r\nvaul: _Vaccinium 
            
285
uliginosum_\r\n\r\ndrin: _Dryas integrifolia_\r\n\r\nthpr: _Thymus 
285
uliginosum_\r\n\r\ndrin: _Dryas integrifolia_\r\n\r\nthpr: _Thymus 
            
286
praecox_\r\n\r\n### Habitat characteristics [% cover]\r\n\r\nshrub: 
286
praecox_\r\n\r\n### Habitat characteristics [% cover]\r\n\r\nshrub: 
            
287
all shrub species\r\n\r\ngram: graminoids\r\n\r\nforb: 
287
all shrub species\r\n\r\ngram: graminoids\r\n\r\nforb: 
            
288
forbs\r\n\r\nbryo: bryophytes\r\n\r\nlich: lichens\r\n\r\nlitt: 
288
forbs\r\n\r\nbryo: bryophytes\r\n\r\nlich: lichens\r\n\r\nlitt: 
            
289
litter\r\n\r\nbare: bare ground\r\n\r\nstone: stones (> 2 
289
litter\r\n\r\nbare: bare ground\r\n\r\nstone: stones (> 2 
            
290
cm)\r\n\r\norg: organic crust\r\n\r\n### Shrub species height (maximum 
290
cm)\r\n\r\norg: organic crust\r\n\r\n### Shrub species height (maximum 
            
291
vegetative height) [mm] and cover (estimated in 1x1 m quadrat) 
291
vegetative height) [mm] and cover (estimated in 1x1 m quadrat) 
            
292
[%]\r\n\r\nalcr_c: _Alnus crispa_ cover\r\n\r\nalcr_h: _Alnus crispa_ 
292
[%]\r\n\r\nalcr_c: _Alnus crispa_ cover\r\n\r\nalcr_h: _Alnus crispa_ 
            
293
height\r\n\r\nbena_c: _Betula nana_ cover\r\n\r\nbena_h: _Betula nana_ 
293
height\r\n\r\nbena_c: _Betula nana_ cover\r\n\r\nbena_h: _Betula nana_ 
            
294
height\r\n\r\ndila_c: _Diapensia lapponica_ cover\r\n\r\ndila_h: 
294
height\r\n\r\ndila_c: _Diapensia lapponica_ cover\r\n\r\ndila_h: 
            
295
_Diapensia lapponica_ height\r\n\r\nemni_c: _Empetrum nigrum_ 
295
_Diapensia lapponica_ height\r\n\r\nemni_c: _Empetrum nigrum_ 
            
296
cover\r\n\r\nemni_h: _Empetrum nigrum_ height\r\n\r\nhahy_c: 
296
cover\r\n\r\nemni_h: _Empetrum nigrum_ height\r\n\r\nhahy_c: 
            
297
_Harimanella hypoides_ cover\r\n\r\nhahy_h: _Harimanella hypoides_ 
297
_Harimanella hypoides_ cover\r\n\r\nhahy_h: _Harimanella hypoides_ 
            
298
height\r\n\r\nlopr_c: _Loiseleuria procumbens_ cover\r\n\r\nlopr_h: 
298
height\r\n\r\nlopr_c: _Loiseleuria procumbens_ cover\r\n\r\nlopr_h: 
            
299
_Loiseleuria procumbens_ height\r\n\r\noxpa_c: _Oxycoccus palustre_ 
299
_Loiseleuria procumbens_ height\r\n\r\noxpa_c: _Oxycoccus palustre_ 
            
300
cover\r\n\r\noxpa_h: _Oxycoccus palustre_ height\r\n\r\nphca_c: 
300
cover\r\n\r\noxpa_h: _Oxycoccus palustre_ height\r\n\r\nphca_c: 
            
301
_Phyllodoce caerulea_ cover\r\n\r\nphca_height: _Phyllodoce caerulea_ 
301
_Phyllodoce caerulea_ cover\r\n\r\nphca_height: _Phyllodoce caerulea_ 
            
302
height\r\n\r\nrhod_c: _Rhododendron_ sp. cover\r\n\r\nrhod_h: 
302
height\r\n\r\nrhod_c: _Rhododendron_ sp. cover\r\n\r\nrhod_h: 
            
303
_Rhododendron_ sp. height\r\n\r\nsaar_c: _Salix arctica_ 
303
_Rhododendron_ sp. height\r\n\r\nsaar_c: _Salix arctica_ 
            
304
cover\r\n\r\nsaar_h: _Salix arctica_ height\r\n\r\nsagl_c: _Salix 
304
cover\r\n\r\nsaar_h: _Salix arctica_ height\r\n\r\nsagl_c: _Salix 
            
305
glauca_ cover\r\n\r\nsagl_h: _Salix glauca_ height\r\n\r\nsahe_c: 
305
glauca_ cover\r\n\r\nsagl_h: _Salix glauca_ height\r\n\r\nsahe_c: 
            
306
_Salix herbacea_ cover\r\n\r\nsahe_h: _Salix herbacea_ 
306
_Salix herbacea_ cover\r\n\r\nsahe_h: _Salix herbacea_ 
            
307
height\r\n\r\nvaul_c: _Vaccinium uliginosum_ cover\r\n\r\nvaul_h: 
307
height\r\n\r\nvaul_c: _Vaccinium uliginosum_ cover\r\n\r\nvaul_h: 
            
308
_Vaccinium uliginosum_ height\r\n\r\ndrin_c: _Dryas integrifolia_ 
308
_Vaccinium uliginosum_ height\r\n\r\ndrin_c: _Dryas integrifolia_ 
            
309
cover\r\n\r\ndrin_h: _Dryas integrifolia_ height\r\n\r\n### Community 
309
cover\r\n\r\ndrin_h: _Dryas integrifolia_ height\r\n\r\n### Community 
            
310
characteristics\r\n\r\nrich_pa: shrub species richness at grid 
310
characteristics\r\n\r\nrich_pa: shrub species richness at grid 
            
311
level\r\n\r\nrich: shrub species richness averaged across 3 1x1 m 
311
level\r\n\r\nrich: shrub species richness averaged across 3 1x1 m 
            
312
sampling quadrats per grid\r\n\r\nshan: Shannon diversity 
312
sampling quadrats per grid\r\n\r\nshan: Shannon diversity 
            
313
(\u2018vegan\u2019 package; Oksanen et al. 2019)\r\n\r\ncomp_bena: 
313
(\u2018vegan\u2019 package; Oksanen et al. 2019)\r\n\r\ncomp_bena: 
            
314
shrub competition on _Betula nana_ (i.e. summed cover of non-_B. nana_ 
314
shrub competition on _Betula nana_ (i.e. summed cover of non-_B. nana_ 
            
315
species) [% cover]\r\n\r\ncomp_sagl: shrub competition on _Salix 
315
species) [% cover]\r\n\r\ncomp_sagl: shrub competition on _Salix 
            
316
glauca_ (i.e. summed cover of non-_S. glauca_ species) [% 
316
glauca_ (i.e. summed cover of non-_S. glauca_ species) [% 
            
317
cover]\r\n\r\nht_cwm: maximum shrub canopy height (i.e. community 
317
cover]\r\n\r\nht_cwm: maximum shrub canopy height (i.e. community 
            
318
weighted mean by abundance of maximum shrub height) [mm]\r\n\r\n### 
318
weighted mean by abundance of maximum shrub height) [mm]\r\n\r\n### 
            
319
Topography and terrain wetness (calculated from)\r\n\r\ntcws: Tasseled 
319
Topography and terrain wetness (calculated from)\r\n\r\ntcws: Tasseled 
            
320
Cap Wetness component (Sentinal images)\r\n\r\nslope: slope angle 
320
Cap Wetness component (Sentinal images)\r\n\r\nslope: slope angle 
            
321
(MEaSUREs Greenland Ice Mapping Project Digital Elevation Model v. 1; 
321
(MEaSUREs Greenland Ice Mapping Project Digital Elevation Model v. 1; 
            
322
Howat et al., 2014, 2015) [\u00ba]\r\n\r\ntwi: SAGA wetness index 
322
Howat et al., 2014, 2015) [\u00ba]\r\n\r\ntwi: SAGA wetness index 
            
323
(MEaSUREs Greenland Ice Mapping Project Digital Elevation Model v. 1; 
323
(MEaSUREs Greenland Ice Mapping Project Digital Elevation Model v. 1; 
            
324
Howat et al., 2014, 2015)\r\n\r\nasp: aspect (MEaSUREs Greenland Ice 
324
Howat et al., 2014, 2015)\r\n\r\nasp: aspect (MEaSUREs Greenland Ice 
            
325
Mapping Project Digital Elevation Model v. 1; Howat et al., 2014, 
325
Mapping Project Digital Elevation Model v. 1; Howat et al., 2014, 
            
326
2015) [\u00ba]\r\n\r\n### Downscaled climate (time series 1984 \u2013 
326
2015) [\u00ba]\r\n\r\n### Downscaled climate (time series 1984 \u2013 
            
327
2013)\r\n\r\ninsoljja: average June-August insolation [MJ cm-2 
327
2013)\r\n\r\ninsoljja: average June-August insolation [MJ cm-2 
            
328
yr-1]\r\n\r\nprecipmam: cumulative March-May precipitation 
328
yr-1]\r\n\r\nprecipmam: cumulative March-May precipitation 
            
329
[mm]\r\n\r\ntempcont: yearly maximum \u2013 minimum temperature 
329
[mm]\r\n\r\ntempcont: yearly maximum \u2013 minimum temperature 
            
330
[\u00baC]\r\n\r\ntempmin: yearly minimum temperature 
330
[\u00baC]\r\n\r\ntempmin: yearly minimum temperature 
            
331
[\u00baC]\r\n\r\nprecipjja: cumulative June-August precipitation 
331
[\u00baC]\r\n\r\nprecipjja: cumulative June-August precipitation 
            
332
[mm]\r\n\r\ntempjja: average maximum June-August temperature 
332
[mm]\r\n\r\ntempjja: average maximum June-August temperature 
            
333
[\u00baC]\r\n\r\ntempmax: yearly maximum temperature [\u00baC]",
333
[\u00baC]\r\n\r\ntempmax: yearly maximum temperature [\u00baC]",
            
334
      "doi": "",
334
      "doi": "",
            
335
      "format": ".csv",
335
      "format": ".csv",
            
336
      "hash": "",
336
      "hash": "",
            
337
      "id": "dc1bf94c-e651-4193-9a42-de3c9f3b11e9",
337
      "id": "dc1bf94c-e651-4193-9a42-de3c9f3b11e9",
            
338
      "last_modified": "2022-02-09T00:40:19.364433",
338
      "last_modified": "2022-02-09T00:40:19.364433",
            
339
      "metadata_modified": "2022-02-08T23:42:39.325242",
339
      "metadata_modified": "2022-02-08T23:42:39.325242",
            
340
      "mimetype": null,
340
      "mimetype": null,
            
341
      "mimetype_inner": null,
341
      "mimetype_inner": null,
            
342
      "name": "Kangerluarsunnguaq",
342
      "name": "Kangerluarsunnguaq",
            
343
      "package_id": "040d25dd-71c0-40e6-99a8-849427250f5d",
343
      "package_id": "040d25dd-71c0-40e6-99a8-849427250f5d",
            
344
      "position": 1,
344
      "position": 1,
            
345
      "publication_state": "",
345
      "publication_state": "",
            
346
      "resource_size": "{\"size_units\": \"kb\", \"size_value\": 
346
      "resource_size": "{\"size_units\": \"kb\", \"size_value\": 
            
347
\"\"}",
347
\"\"}",
            
348
      "resource_type": null,
348
      "resource_type": null,
            
349
      "restricted": "{\"allowed_users\": \"\", \"level\": \"public\", 
349
      "restricted": "{\"allowed_users\": \"\", \"level\": \"public\", 
            
350
\"shared_secret\": \"\"}",
350
\"shared_secret\": \"\"}",
            
351
      "size": 93883,
351
      "size": 93883,
            
352
      "state": "active",
352
      "state": "active",
            
353
      "url": 
353
      "url": 
            
354
dc1bf94c-e651-4193-9a42-de3c9f3b11e9/download/kangerluarsunnguaq.csv",
354
dc1bf94c-e651-4193-9a42-de3c9f3b11e9/download/kangerluarsunnguaq.csv",
            
355
      "url_type": "upload"
355
      "url_type": "upload"
            
356
    },
356
    },
            
357
    {
357
    {
            
358
      "cache_last_updated": null,
358
      "cache_last_updated": null,
            
359
      "cache_url": null,
359
      "cache_url": null,
            
360
      "created": "2022-02-08T23:51:21.002283",
360
      "created": "2022-02-08T23:51:21.002283",
            
361
      "description": "Zip drive of GitLab repository contents 
361
      "description": "Zip drive of GitLab repository contents 
            
362
(https://gitlab.com/nathaliechardon/gl_microclim).",
362
(https://gitlab.com/nathaliechardon/gl_microclim).",
            
363
      "doi": "",
363
      "doi": "",
            
364
      "format": ".zip",
364
      "format": ".zip",
            
365
      "hash": "",
365
      "hash": "",
            
366
      "id": "9a2b483b-baf7-40ff-98a2-faf92ef7b7a2",
366
      "id": "9a2b483b-baf7-40ff-98a2-faf92ef7b7a2",
            
367
      "last_modified": null,
367
      "last_modified": null,
            
368
      "metadata_modified": "2022-02-08T23:51:20.981660",
368
      "metadata_modified": "2022-02-08T23:51:20.981660",
            
369
      "mimetype": null,
369
      "mimetype": null,
            
370
      "mimetype_inner": null,
370
      "mimetype_inner": null,
            
371
      "name": "GitLab Repository",
371
      "name": "GitLab Repository",
            
372
      "package_id": "040d25dd-71c0-40e6-99a8-849427250f5d",
372
      "package_id": "040d25dd-71c0-40e6-99a8-849427250f5d",
            
373
      "position": 2,
373
      "position": 2,
            
374
      "publication_state": "",
374
      "publication_state": "",
            
375
      "resource_size": "{\"size_value\": \"\", \"size_units\": 
375
      "resource_size": "{\"size_value\": \"\", \"size_units\": 
            
376
\"kb\"}",
376
\"kb\"}",
            
377
      "resource_type": null,
377
      "resource_type": null,
            
378
      "restricted": "{\"level\": \"public\", \"allowed_users\": \"\", 
378
      "restricted": "{\"level\": \"public\", \"allowed_users\": \"\", 
            
379
\"shared_secret\": \"\"}",
379
\"shared_secret\": \"\"}",
            
380
      "size": 235019467,
380
      "size": 235019467,
            
381
      "state": "active",
381
      "state": "active",
            
382
      "url": 
382
      "url": 
            
383
ource/9a2b483b-baf7-40ff-98a2-faf92ef7b7a2/download/gl_microclim.zip",
383
ource/9a2b483b-baf7-40ff-98a2-faf92ef7b7a2/download/gl_microclim.zip",
            
384
      "url_type": "upload"
384
      "url_type": "upload"
            
385
    }
385
    }
            
386
  ],
386
  ],
            
387
  "spatial": "{\"type\":\"Polygon\",\"coordinates\":[[[-52.35655, 
387
  "spatial": "{\"type\":\"Polygon\",\"coordinates\":[[[-52.35655, 
            
388
65.01146],[-52.35655, 64.03434],[-49.71769, 64.03434],[-49.71769, 
388
65.01146],[-52.35655, 64.03434],[-49.71769, 64.03434],[-49.71769, 
            
389
65.01146]]]}",
389
65.01146]]]}",
            
390
  "spatial_info": "Greenland",
390
  "spatial_info": "Greenland",
            
391
  "state": "active",
391
  "state": "active",
            
392
  "subtitle": "",
392
  "subtitle": "",
            
393
  "tags": [
393
  "tags": [
            
394
    {
394
    {
            
395
      "display_name": "ACCESSIBLE SHRUB FOREST",
395
      "display_name": "ACCESSIBLE SHRUB FOREST",
            
396
      "id": "f68cf7be-7be1-4d42-ba37-a738dfbbccbd",
396
      "id": "f68cf7be-7be1-4d42-ba37-a738dfbbccbd",
            
397
      "name": "ACCESSIBLE SHRUB FOREST",
397
      "name": "ACCESSIBLE SHRUB FOREST",
            
398
      "state": "active",
398
      "state": "active",
            
399
      "vocabulary_id": null
399
      "vocabulary_id": null
            
400
    },
400
    },
            
401
    {
401
    {
            
402
      "display_name": "ARCTIC",
402
      "display_name": "ARCTIC",
            
403
      "id": "2b497a89-c6b1-4779-8ac5-066d8b4c4984",
403
      "id": "2b497a89-c6b1-4779-8ac5-066d8b4c4984",
            
404
      "name": "ARCTIC",
404
      "name": "ARCTIC",
            
405
      "state": "active",
405
      "state": "active",
            
406
      "vocabulary_id": null
406
      "vocabulary_id": null
            
407
    },
407
    },
            
408
    {
408
    {
            
409
      "display_name": "CLIMATE",
409
      "display_name": "CLIMATE",
            
410
      "id": "5a33b7dc-dca1-42c3-8651-9d00b5428823",
410
      "id": "5a33b7dc-dca1-42c3-8651-9d00b5428823",
            
411
      "name": "CLIMATE",
411
      "name": "CLIMATE",
            
412
      "state": "active",
412
      "state": "active",
            
413
      "vocabulary_id": null
413
      "vocabulary_id": null
            
414
    },
414
    },
            
415
    {
415
    {
            
416
      "display_name": "FIELD DATA",
416
      "display_name": "FIELD DATA",
            
417
      "id": "2eb3e96f-b26e-43be-9448-a64ba3b0e848",
417
      "id": "2eb3e96f-b26e-43be-9448-a64ba3b0e848",
            
418
      "name": "FIELD DATA",
418
      "name": "FIELD DATA",
            
419
      "state": "active",
419
      "state": "active",
            
420
      "vocabulary_id": null
420
      "vocabulary_id": null
            
421
    },
421
    },
            
422
    {
422
    {
            
423
      "display_name": "SDM",
423
      "display_name": "SDM",
            
424
      "id": "6ec2d7a6-c528-4a14-97d1-c8e30c159f2e",
424
      "id": "6ec2d7a6-c528-4a14-97d1-c8e30c159f2e",
            
425
      "name": "SDM",
425
      "name": "SDM",
            
426
      "state": "active",
426
      "state": "active",
            
427
      "vocabulary_id": null
427
      "vocabulary_id": null
            
428
    },
428
    },
            
429
    {
429
    {
            
430
      "display_name": "VALIDATION",
430
      "display_name": "VALIDATION",
            
431
      "id": "095f8766-ceca-409c-8206-81e0c0be2efa",
431
      "id": "095f8766-ceca-409c-8206-81e0c0be2efa",
            
432
      "name": "VALIDATION",
432
      "name": "VALIDATION",
            
433
      "state": "active",
433
      "state": "active",
            
434
      "vocabulary_id": null
434
      "vocabulary_id": null
            
435
    }
435
    }
            
436
  ],
436
  ],
            
437
  "title": "Greenland shrubs and microclimate",
437
  "title": "Greenland shrubs and microclimate",
            
438
  "type": "dataset",
438
  "type": "dataset",
            
439
  "url": null,
439
  "url": null,
            
440
  "version": "1.0"
440
  "version": "1.0"
            
441
}
441
}