MétaCan
Menu
Retour à la cohorte
Enregistrement W2592249815 · doi:10.3390/f8030075

Partitioning Forest‐Floor Respiration into Source  Based Emissions in a Boreal Forested Bog: Responses  to Experimental Drought

2017· article· en· W2592249815 sur OpenAlexaffabout
Tariq Muhammad Munir, Bhupesh Khadka, Bin Xu, Maria Strack

Notice bibliographique

RevueForests · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePeatlands and Wetlands Ecology
Établissements canadiensUniversity of WaterlooUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceBogForest floorPeatTaigaRespirationSphagnumSoil respirationCarbon cycleBorealEcologyEcosystemSoil scienceSoil waterBotanyBiology

Résumé

récupéré en direct d'OpenAlex

Northern peatlands store globally significant amounts of soil carbon that could be released to the atmosphere under drier conditions induced by climate change. We measured forest floor respiration (RFF) at hummocks and hollows in a treed boreal bog in Alberta, Canada and partitioned the flux into aboveground forest floor autotrophic, belowground forest floor autotrophic, belowground tree respiration, and heterotrophic respiration using a series of clipping and trenching experiments. These fluxes were compared to those measured at sites within the same bog where water‐table (WT) was drawn down for 2 and 12 years. Experimental WT drawdown significantly increased RFF with greater increases at hummocks than hollows. Greater RFF was largely driven by increased autotrophic respiration driven by increased growth of trees and shrubs in response to drier conditions; heterotrophic respiration accounted for a declining proportion of RFF with time since drainage. Heterotrophic respiration was increased at hollows, suggesting that soil carbon may be lost from these sites in response to climate change induced drying. Overall, although WT drawdown increased RFF, the substantial contribution of autotrophic respiration to RFF suggests that peat carbon stocks are unlikely to be rapidly destabilized by drying conditions.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,074
Score d'incertitude au seuil0,940

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
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 Opus0,019
Tête enseignante GPT0,294
Écart entre enseignants0,275 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations23
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueForestsMême sujetPeatlands and Wetlands EcologyTravaux en français237 207