The influence of vegetation and soil characteristics on active‐layer thickness of permafrost soils in boreal forest
Notice bibliographique
Résumé
Carbon release from thawing permafrost soils could significantly exacerbate global warming as the active-layer deepens, exposing more carbon to decay. Plant community and soil properties provide a major control on this by influencing the maximum depth of thaw each summer (active-layer thickness; ALT), but a quantitative understanding of the relative importance of plant and soil characteristics, and their interactions in determine ALTs, is currently lacking. To address this, we undertook an extensive survey of multiple vegetation and edaphic characteristics and ALTs across multiple plots in four field sites within boreal forest in the discontinuous permafrost zone (NWT, Canada). Our sites included mature black spruce, burned black spruce and paper birch, allowing us to determine vegetation and edaphic drivers that emerge as the most important and broadly applicable across these key vegetation and disturbance gradients, as well as providing insight into site-specific differences. Across sites, the most important vegetation characteristics limiting thaw (shallower ALTs) were tree leaf area index (LAI), moss layer thickness and understory LAI in that order. Thicker soil organic layers also reduced ALTs, though were less influential than moss thickness. Surface moisture (0-6 cm) promoted increased ALTs, whereas deeper soil moisture (11-16 cm) acted to modify the impact of the vegetation, in particular increasing the importance of understory or tree canopy shading in reducing thaw. These direct and indirect effects of moisture indicate that future changes in precipitation and evapotranspiration may have large influences on ALTs. Our work also suggests that forest fires cause greater ALTs by simultaneously decreasing multiple ecosystem characteristics which otherwise protect permafrost. Given that vegetation and edaphic characteristics have such clear and large influences on ALTs, our data provide a key benchmark against which to evaluate process models used to predict future impacts of climate warming on permafrost degradation and subsequent feedback to climate.
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 | 0,000 | 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 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 ».