Interactions among vegetation, climate, and herbivory control greenhouse gas fluxes in a subarctic coastal wetland
Notice bibliographique
Résumé
Abstract High‐latitude ecosystems are experiencing the most rapid climate changes globally, and in many areas these changes are concurrent with shifts in patterns of herbivory. Individually, climate and herbivory are known to influence biosphere‐atmosphere greenhouse gas (GHG) exchange; however, the interactive effects of climate and herbivory in driving GHG fluxes have been poorly quantified, especially in coastal systems that support large populations of migratory waterfowl. We investigated the magnitude and the climatic and physical controls of GHG exchange within the Yukon‐Kuskokwim Delta in western Alaska across four distinct vegetation communities formed by herbivory and local microtopography. Net CO 2 flux was greatest in the ungrazed Carex meadow community (3.97 ± 0.58 [SE] µmol CO 2 m −2 s −1 ), but CH 4 flux was greatest in the grazed community (14.00 ± 6.56 nmol CH 4 m −2 s −1 ). The grazed community is also the only vegetation type where CH 4 was a larger contributor than CO 2 to overall GHG forcing. We found that vegetation community was an important predictor of CO 2 and CH 4 exchange, demonstrating that variation in regional gas exchange is best explained when the effect of grazing, determined by the difference between grazed and ungrazed communities, is included. Further, we identified an interaction between temperature and vegetation community, indicating that grazed regions could experience the greatest increases in CH 4 emissions with warming. These results suggest that future GHG fluxes could be influenced by both climate and by changes in herbivore population dynamics that expand or contract the vegetation community most responsive to future temperature change.
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 | 0,000 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».