Precipitation as driver of carbon fluxes in 11 African ecosystems
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
Abstract. This study reports carbon and water fluxes between the land surface and atmosphere in eleven different ecosystems types in Sub-Saharan Africa, as measured using eddy covariance (EC) technology in the first two years of the CarboAfrica network operation. The ecosystems for which data were available ranged in mean annual rainfall from 320 mm (Sudan) to 1150 mm (Republic of Congo) and include a spectrum of vegetation types (or land cover) (open savannas, woodlands, croplands and grasslands). Given the shortness of the record, the EC data were analysed across the network rather than longitudinally at sites, in order to understand the driving factors for ecosystem respiration and carbon assimilation, and to reveal the different water use strategies in these highly seasonal environments. Values for maximum net carbon assimilation rates (photosynthesis) ranged from −12.5 μmol CO2 m−2 s−1 in a dry, open Millet cropland (C4-plants) up to −48 μmol CO2 m−2 s−1 for a tropical moist grassland. Maximum carbon assimilation rates were highly correlated with mean annual rainfall (r2=0.74). Maximum photosynthetic uptake rates (Fpmax) were positively related to satellite-derived fAPAR. Ecosystem respiration was dependent on temperature at all sites, and was additionally dependent on soil water content at sites receiving less than 1000 mm of rain per year. All included ecosystems dominated by C3-plants, showed a strong decrease in 30-min assimilation rates with increasing water vapour pressure deficit above 2.0 kPa.
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 | 0,000 |
| 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