Multi‐scale heterogeneity in vegetation and soil carbon in exurban residential land of southeastern <scp>Michigan, USA</scp>
Notice bibliographique
Résumé
Abstract Exurban residential land (one housing unit per 0.2–16.2 ha) is growing in importance as a human‐dominated land use. Carbon storage in the soils and vegetation of exurban land is poorly known, as are the effects on C storage of choices made by developers and residents. We studied C storage in exurban yards in southeastern Michigan , USA , across a range of parcel sizes and different types of neighborhoods. We divided each residential parcel into ecological zones ( EZ ) characterized by vegetation, soil, and human behavior such as mowing, irrigation, and raking. We found a heterogeneous mixture of trees and shrubs, turfgrasses, mulched gardens, old‐field vegetation, and impervious surfaces. The most extensive zone type was turfgrass with sparse woody vegetation (mean 26% of parcel area), followed by dense woody vegetation (mean 21% of parcel area). Areas of turfgrass with sparse woody vegetation had trees in larger size classes (> 50 cm dbh) than did areas of dense woody vegetation. Using aerial photointerpretation, we scaled up C storage to neighborhoods. Varying C storage by neighborhood type resulted from differences in impervious area (8–26% of parcel area) and area of dense woody vegetation (11–28%). Averaged and multiplied across areas in differing neighborhood types, exurban residential land contained 5240 ± 865 g C/m 2 in vegetation, highly sensitive to large trees, and 13 800 ± 1290 g C/m 2 in soils (based on a combined sampling and modeling approach). These contents are greater than for agricultural land in the region, but lower than for mature forest stands. Compared with mature forests, exurban land contained more shrubs and less downed woody debris and it had similar tree size‐class distributions up to 40 cm dbh but far fewer trees in larger size classes. If the trees continue to grow, exurban residential land could sequester additional C for decades. Patterns and processes of C storage in exurban residential land were driven by land management practices that affect soil and vegetation, reflecting the choices of designers, developers, and residents. This study provides an example of human‐mediated C storage in a coupled human–natural system.
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 ».