Nitrogen aboveground turnover and soil stocks to 8 m depth in primary and selectively logged forest in southern Amazonia
Notice bibliographique
Résumé
Abstract Extensive areas of Amazonia undergo selective logging, modifying forest structure and nutrient cycles. Anthropogenic‐accelerated rates of nitrogen (N) turnover could increase N loss and affect regeneration, carbon sequestration and timber production. We quantified leaf area reduction, canopy opening and downed biomass and resultant N flux from reduced impact logging (RIL) activities. We compared canopy reduction, surface soil moisture and nitrate to 8 m depth between logged gaps and intact primary forest to determine if logging activities increase subsoil nitrate. To test long‐term logging effects, we evaluated surface N stocks along a 12‐year postlogging chronosequence. At the harvest rate of 2.6 trees ha−1, total N additions in logging gaps, including leaves and wood from felled crowns (24.8 kg N ha−1) and other killed trees (41.9 kg N ha−1), accounted for over 80% of the total N addition to aboveground necromass from all logging activities (81.9 kg N ha−1). Despite this N turnover by logging, belowground nitrate storage to 8 m depth did not differ between logging gaps and primary forest at the low harvest rate and disturbance intensity of this study. Soil water depletion also did not differ between gaps and primary forest over 1 year, indicating the impact on belowground inorganic N was low. Compared with primary forest, nitrate concentrations to 8 m depth in logging gaps were only significantly higher at 60–100 cm, suggesting some N redistribution beyond the bulk of the fine roots in logging gaps. Extrapolated to the Amazon Basin scale, we provide a conservative estimate that logging damage and bole export under RIL would turn over 0.14 ± 0.07 to 0.23 ± 0.12 Tg N yr−1based on 1999–2002 selective logging rates. Greater damage during conventional selective logging would cause higher N turnover throughout the Amazon Basin than our results based on RIL.
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 | 0,000 |
| 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) | 0,001 | 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 ».