How surface fire in Siberian Scots pine forests affects soil organic carbon in the forest floor: Stocks, molecular structure, and conversion to black carbon (charcoal)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In boreal forests, fire is a frequent disturbance and converts soil organic carbon (OC) to more degradation‐resistant aromatic carbon, i.e., black carbon (BC) which might act as a long‐term atmospheric‐carbon sink. Little is known on the effects of fires on boreal soil OC stocks and molecular composition. We studied how a surface fire affected the composition of the forest floor of Siberian Scots pine forests by comparing the bulk elemental composition, molecular structure ( 13 C‐MAS NMR), and the aromatic carbon fraction (BC and potentially interfering constituents like tannins) of unburned and burned forest floor. Fire reduced the mass of the forest floor by 60%, stocks of inorganic elements (Si, Al, Fe, K, Ca, Na, Mg, Mn) by 30–50%, and of OC, nitrogen, and sulfur by 40–50%. In contrast to typical findings from temperate forests, unburned OC consisted mainly of (di‐)O‐alkyl (polysaccharides) and few aromatic structures, probably due to dominant input of lichen biomass. Fire converted OC into alkyl and aromatic structures, the latter consisting of heterocyclic macromolecules and small clusters of condensed carbon. The small cluster size explained the small BC concentrations determined using a degradative molecular marker method. Fire increased BC stocks (16 g kg −1 OC) by 40% which translates into a net‐conversion rate of 0.7% (0.35% of net primary production) unburned OC to BC. Here, however, BC was not a major fraction of soil OC pool in unburned or burned forest floor, either due to rapid in situ degradation or relocation.
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.
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 | 0,001 |
| 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 découle