MétaCan
Menu
Retour à la cohorte
Enregistrement W2106595207 · doi:10.1002/2015jg002999

Comparing carbon storage of Siberian tundra and taiga permafrost ecosystems at very high spatial resolution

2015· article· en· W2106595207 sur OpenAlexaff
Matthias Siewert, J. Hanisch, Niels Weiss, Peter Kuhry, Trofim C. Maximov, Gustaf Hugelius

Notice bibliographique

RevueJournal of Geophysical Research Biogeosciences · 2015
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensUniversité de Montréal
Organismes subventionnairesFP7 EnvironmentEuropean Commission
Mots-clésPermafrostTundraTaigaThermokarstEnvironmental scienceSoil carbonEcosystemPhysical geographyCarbon cycleTerrestrial ecosystemRemote sensingEcologySoil scienceGeologyGeographyForestrySoil waterOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract Permafrost‐affected ecosystems are important components in the global carbon (C) cycle that, despite being vulnerable to disturbances under climate change, remain poorly understood. This study investigates ecosystem carbon storage in two contrasting continuous permafrost areas of NE and East Siberia. Detailed partitioning of soil organic carbon (SOC) and phytomass carbon (PC) is analyzed for one tundra (Kytalyk) and one taiga (Spasskaya Pad/Neleger) study area. In total, 57 individual field sites (24 and 33 in the respective areas) have been sampled for PC and SOC, including the upper permafrost. Landscape partitioning of ecosystem C storage was derived from thematic upscaling of field observations using a land cover classification from very high resolution (2 × 2 m) satellite imagery. Nonmetric multidimensional scaling was used to explore patterns in C distribution. In both environments the ecosystem C is mostly stored in the soil (≥86%). At the landscape scale C stocks are primarily controlled by the presence of thermokarst depressions (alases). In the tundra landscape, site‐scale variability of C is controlled by periglacial geomorphological features, while in the taiga, local differences in catenary position, soil texture, and forest successions are more important. Very high resolution remote sensing is highly beneficial to the quantification of C storage. Detailed knowledge of ecosystem C storage and ground ice distribution is needed to predict permafrost landscape vulnerability to projected climatic changes. We argue that vegetation dynamics are unlikely to offset mineralization of thawed permafrost C and that landscape‐scale reworking of SOC represents the largest potential changes to C cycling.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,107
Tête enseignante GPT0,306
Écart entre enseignants0,199 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations137
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research BiogeosciencesMême sujetClimate change and permafrostTravaux en français237 207