Forest soil CO2 efflux models improved by incorporating topographic controls on carbon content and sorption capacity of soils
Notice bibliographique
Résumé
Improved models are needed to predict the fate of carbon in forest soils under changing environmental conditions. Within a temperate sugar maple forest, soil CO 2 efflux averaged 3.58 µmol m −2 s −1 but ranged from 0.02 to 25.35 µmol m −2 s −1 . Soil CO 2 efflux models based on temperature and moisture explained approximately the same amount of variance on gentle and steep hillslopes (r 2 = 0.506, p < 0.05 and r 2 = 0.470, p < 0.05 respectively). When soil carbon content and sorption capacity were added to the models, the amount of explanation increased slightly on a gentle hillslope (r 2 = 0.567, p < 0.05) and substantially on a steep hillslope (r 2 = 0.803, p < 0.05). Within the organic-rich surface of the mineral soil, carbon content was positively related and sorption capacity was negatively related to soil CO 2 efflux rates. There were general patterns of smaller carbon pools and lower sorption capacity in the upland positions than in the lowland and wetland positions, likely a result of hydrological transport of particulate and dissolved substances downslope, leading to higher soil CO 2 efflux in the upland positions. However, the magnitude of the soil CO 2 efflux was mitigated by the higher sorption capacity of the organic-rich surface layer of the mineral soils, which was negatively correlated to soil CO 2 efflux. More accurate estimates of forest soil CO 2 efflux must take into account topographic influences on the carbon pool, the environmental factors that affect rates of carbon transformation, as well as the physicochemical factors that determine the fraction of the carbon pool that can be transformed.
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 ».