An exploratory spatial analysis of soil organic carbon distribution in Canadian eco-regions
Notice bibliographique
Résumé
Abstract. As the largest carbon reservoir in ecosystems, soil accounts for more than twice as much carbon storage as that of vegetation biomass or the atmosphere. This paper examines spatial patterns of soil organic carbon (SOC) in Canadian forest areas at an eco-region scale of analysis. The goal is to explore the relationship of SOC levels with various climatological variables, including temperature and precipitation. The first Canadian forest soil database published in 1997 by the Canada Forest Service was analyzed along with other long-term eco-climatic data (1961 to 1991) including precipitation, air temperature, slope, aspect, elevation, and Normalized Difference Vegetation Index (NDVI) derived from remote sensing imagery. In addition, the existing eco-region framework established by Environment Canada was evaluated for mapping SOC distribution. Exploratory spatial data analysis techniques, including spatial autocorrelation analysis, were employed to examine how forest SOC is spatially distributed in Canada. Correlation analysis and spatial regression modelling were applied to determine the dominant ecological factors influencing SOC patterns at the eco-region level. At the national scale, a spatial error regression model was developed to account for spatial dependency and to estimate SOC patterns based on ecological and ecosystem factors. Based on the significant variables derived from the spatial error model, a predictive SOC map in Canadian forest areas was generated. Although overall SOC distribution is influenced by climatic and topographic variables, distribution patterns are shown to differ significantly between eco-regions. These findings help to validate the eco-region classification framework for SOC zonation mapping in Canada.
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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».