Long‐term experimentally deepened snow decreases growing‐season respiration in a low‐ and high‐arctic tundra ecosystem
Notice bibliographique
Résumé
Abstract Tundra soils store large amounts of carbon (C) that could be released through enhanced ecosystem respiration (ER) as the arctic warms. Over time, this may change the quantity and quality of available soil C pools, which in‐turn may feedback and regulate ER responses to climate warming. Therefore, short‐term increases in ER rates due to experimental warming may not be sustained over longer periods, as observed in other studies. One important aspect, which is often overlooked, is how climatic changes affecting ER in one season may carry‐over and determine ER in following seasons. Using snow fences, we increased snow depth and thereby winter soil temperatures in a high‐arctic site in Svalbard (78°N) and a low‐arctic site in the Northwest Territories, Canada (64°N), for 5 and 9 years, respectively. Deepened snow enhanced winter ER while having negligible effect on growing‐season soil temperatures and soil moisture. Growing‐season ER at the high‐arctic site was not affected by the snow treatment after 2 years. However, surprisingly, the deepened snow treatments significantly reduced growing‐season ER rates after 5 years at the high‐arctic site and after 8–9 years at the low‐arctic site. We speculate that the reduction in ER rates, that became apparent only after several years of experimental manipulation, may, at least in part, be due to prolonged depletion of labile C substrate as a result of warmer soils over multiple cold seasons. Long‐term changes in winter climate may therefore significantly influence annual net C balance not just because of increased wintertime C loss but also because of “legacy” effects on ER rates during the following growing seasons.
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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| 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 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 ».