Assessing a new soil carbon model to simulate the effect of temperature increase on the soil carbon cycle in three eastern Canadian forest types characterized by different climatic conditions
Notice bibliographique
Résumé
The predictive capacity of process-based models on the carbon (C) cycle in forest ecosystems is limited by the lack of knowledge on the processes involved. Thus, a better understanding of the C cycle may contribute to the development of process-based models that better represent the processes in C cycle models. A new soil C model was developed to predict the effect of an increase in the temperature regime on soil C dynamics and pools in sugar maple (Acer saccharum Marsh.), balsam fir [Abies balsamea (L.) Mill.] and black spruce [Picea mariana (Mill.) B.S.P.] forest types in Eastern Canada. Background information to calibrate the model originated from the experimental sites of the ECOLEAP project as well as from a companion study on laboratory soil incubation. Different types of litter were considered in the model: foliage, twigs, understory species, other fine detritus and fine roots. A cohort approach was used to model litter mineralization over time. The soil organic C in the organic (F and H) and mineral layers (0–20 cm) was partitioned into active, slow and passive pools and the rates of C transfer among the different pools and the amount of CO2 respired were modelled. For each forest type, there was a synchrony of response of the C pools to soil temperature variation. The results of the simulations indicated that steady state conditions were obtained under current temperature conditions. When mean annual soil temperatures were gradually increased, the litter and active and slow C pools decreased substantially, but the passive pools were minimally affected. The increase in soil respiration resulting from a gradual increase in temperature was not pronounced in comparison to changes in mineralization rates. An increase in litter production during the same period could contribute to reducing net C losses. Key words: Soil organic matter, litter, soil respiration, climate change
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».