Sequestration of carbon in the humus layer of Swedish forests — direct measurements
Notice bibliographique
Résumé
To determine sequestration rates of carbon dioxide (CO2) we calculated the carbon (C) storage rate in humus layers of Swedish forests with Podsolic soils, which account for 14.2 × 106ha of the 22.7 × 106ha of forested land in Sweden. Our data set covered 41 years of humus inventories and mean humus layer thickness in 82 513 plots. We analysed three forest types: (i) all combinations of tree species, (ii) forests dominated (>70%) by Norway spruce ( Picea abies (L.) Karst.), and (iii) forests dominated (>70%) by Scots pine ( Pinus sylvestris L.). To relate changes in humus layer thickness to land area we used the intersections in 25 km × 25 km grids and used kriging interpolation, permitting calculations for each forest type. For each intersection mean humus thickness for each year was calculated and regressed against time to obtain the rate of change. This rate, humus bulk density, and humus C concentration were used to calculate sequestration rates. The mean sequestration rate was 251 kg C·ha–1·year–1, which is higher than theoretical values. The sequestration rate was positively related to temperature sum, albeit including effects of forest management. The pine-dominated forest type had a mean rate of 283 kg C·ha–1·year–1, and the spruce-dominated had a mean rate of 239 kg C·ha–1·year–1. Under similar site conditions, pine sequestered more C than spruce (difference of 71 kg C·ha–1·year–1; p < 0.0001), showing the importance of this type of ecosystem for C sequestration.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».