Modeling Global Soil Carbon and Soil Microbial Carbon by Integrating Microbial Processes into the Ecosystem Process Model <scp>TRIPLEX‐GHG</scp>
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Microbial physiology plays a critical role in the biogeochemical cycles of the Earth system. However, most traditional soil carbon models are lacking in terms of the representation of key microbial processes that control the soil carbon response to global climate change. In this study, the improved process‐based model TRIPLEX‐GHG was developed by coupling it with the new MEND (Microbial‐ENzyme‐mediated Decomposition) model to estimate total global soil organic carbon (SOC) and global soil microbial carbon. The new model (TRIPLEX‐MICROBE) shows considerable improvement over the previous version (TRIPLEX‐GHG) in simulating SOC. We estimated the global soil carbon stock to be approximately 1195 Pg C, with 348 Pg C located in the high northern latitudes, which is in good agreement with the well‐regarded Harmonized World Soil Database (HWSD) and the Northern Circumpolar Soil Carbon Database (NCSCD). We also estimated the global soil microbial carbon to be 21 Pg C, similar to the 23 Pg C estimated by Xu et al. (2014). We found that the microbial carbon quantity in the latitudinal direction showed reversions at approximately 30°N, near the equator and at 25°S. A sensitivity analysis suggested that the tundra ecosystem exhibited the highest sensitivity to a 1°C increase or decrease in temperature in terms of dissolved organic carbon (DOC), microbial biomass carbon (MBC), and mineral‐associated organic carbon (MOC). However, our work represents the first step toward a new generation of ecosystem process models capable of integrating key microbial processes into soil carbon cycles.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle