An integrated approach to modeling changes in land use, land cover, and disturbance and their impact on ecosystem carbon dynamics: a case study in the Sierra Nevada Mountains of California
Notice bibliographique
Résumé
Increased land-use intensity (e.g. clearing of forests for cultivation, urbanization), often results in the loss of ecosystem carbon storage, while changes in productivity resulting from climate change may either help offset or exacerbate losses. However, there are large uncertainties in how land and climate systems will evolve and interact to shape future ecosystem carbon dynamics. To address this we developed the Land Use and Carbon Scenario Simulator (LUCAS) to track changes in land use, land cover, land management, and disturbance, and their impact on ecosystem carbon storage and flux within a scenario-based framework. We have combined a state-and-transition simulation model (STSM) of land change with a stock and flow model of carbon dynamics. Land-change projections downscaled from the Intergovernmental Panel on Climate Change’s (IPCC) Special Report on Emission Scenarios (SRES) were used to drive changes within the STSM, while the Integrated Biosphere Simulator (IBIS) ecosystem model was used to derive input parameters for the carbon stock and flow model. The model was applied to the Sierra Nevada Mountains ecoregion in California, USA, a region prone to large wildfires and a forestry sector projected to intensify over the next century. Three scenario simulations were conducted, including a calibration scenario, a climate-change scenario, and an integrated climate- and land-change scenario. Based on results from the calibration scenario, the LUCAS age-structured carbon accounting model was able to accurately reproduce results obtained from the process-based biogeochemical model. Under the climate-only scenario, the ecoregion was projected to be a reliable net sink of carbon, however, when land use and disturbance were introduced, the ecoregion switched to become a net source. This research demonstrates how an integrated approach to carbon accounting can be used to evaluate various drivers of ecosystem carbon change in a robust, yet transparent modeling environment.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».