MétaCan
Menu
Retour à la cohorte
Enregistrement W2546500873 · doi:10.5194/bg-14-2799-2017

Annual greenhouse gas budget for a bog ecosystem undergoing restoration by rewetting

2017· article· en· W2546500873 sur OpenAlexafffundabout
Sung‐Ching Lee, Andreas Christen, T. Andrew Black, Mark S. Johnson, Rachhpal S. Jassal, Rick Ketler, Zoran Nesic, Markus Merkens

Notice bibliographique

RevueBiogeosciences · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePeatlands and Wetlands Ecology
Établissements canadiensParks CanadaUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Foundation for Innovation
Mots-clésPeatBogEnvironmental scienceSphagnumEcosystemEcosystem respirationGreenhouse gasWetlandEddy covarianceSink (geography)MireCarbon sinkHydrology (agriculture)Carbon dioxideEcologyGeographyGeologyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract. Many peatlands have been drained and harvested for peat mining, agriculture, and other purposes, which has turned them from carbon (C) sinks into C emitters. Rewetting of disturbed peatlands facilitates their ecological recovery and may help them revert to carbon dioxide (CO2) sinks. However, rewetting may also cause substantial emissions of the more potent greenhouse gas (GHG) methane (CH4). Our knowledge of the exchange of CO2 and CH4 following rewetting during restoration of disturbed peatlands is currently limited. This study quantifies annual fluxes of CO2 and CH4 in a disturbed and rewetted area located in the Burns Bog Ecological Conservancy Area in Delta, BC, Canada. Burns Bog is recognized as the largest raised bog ecosystem on North America's west coast. Burns Bog was substantially reduced in size and degraded by peat mining and agriculture. Since 2005, the bog has been declared a conservancy area, with restoration efforts focusing on rewetting disturbed ecosystems to recover Sphagnum and suppress fires. Using the eddy covariance (EC) technique, we measured year-round (16 June 2015 to 15 June 2016) turbulent fluxes of CO2 and CH4 from a tower platform in an area rewetted for the last 8 years. The study area, dominated by sedges and Sphagnum, experienced a varying water table position that ranged between 7.7 (inundation) and −26.5 cm from the surface during the study year. The annual CO2 budget of the rewetted area was −179 ± 26.2 g CO2–C m−2 yr−1 (CO2 sink) and the annual CH4 budget was 17 ± 1.0 g CH4–C m−2 yr−1 (CH4 source). Gross ecosystem productivity (GEP) exceeded ecosystem respiration (Re) during summer months (June–August), causing a net CO2 uptake. In summer, high CH4 emissions (121 mg CH4–C m−2 day−1) were measured. In winter (December–February), while roughly equal magnitudes of GEP and Re made the study area CO2 neutral, very low CH4 emissions (9 mg CH4–C m−2 day−1) were observed. The key environmental factors controlling the seasonality of these exchanges were downwelling photosynthetically active radiation and 5 cm soil temperature. It appears that the high water table caused by ditch blocking suppressed Re. With low temperatures in winter, CH4 emissions were more suppressed than Re. Annual net GHG flux from CO2 and CH4 expressed in terms of CO2 equivalents (CO2 eq.) during the study period totalled −22 ± 103.1 g CO2 eq. m−2 yr−1 (net CO2 eq. sink) and 1248 ± 147.6 g CO2 eq. m−2 yr−1 (net CO2 eq. source) by using 100- and 20-year global warming potential values, respectively. Consequently, the ecosystem was almost CO2 eq. neutral during the study period expressed on a 100-year time horizon but was a significant CO2 eq. source on a 20-year time horizon.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,334
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,249
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations63
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBiogeosciencesMême sujetPeatlands and Wetlands EcologyTravaux en français237 207