Responses of the Carbon Storage and Sequestration Potential of Forest Vegetation to Temperature Increases in Yunnan Province, SW China
Notice bibliographique
Résumé
The distribution of forest vegetation and forest carbon sequestration potential are significantly influenced by climate change. In this study, a map of the current distribution of vegetation in Yunnan Province was compiled based on data from remote sensing imagery from the Advanced Land Observing Satellite (ALOS) from 2008 to 2011. A classification and regression tree (CART) model was used to predict the potential distribution of the main forest vegetation types in Yunnan Province and estimate the changes in carbon storage and carbon sequestration potential (CSP) in response to increasing temperature. The results show that the current total forest area in Yunnan Province is 1.86 × 107 ha and that forest covers 48.63% of the area. As the temperature increases, the area of forest distribution first increases and then decreases, and it decreases by 11% when the temperature increases from 1.5 to 2 °C. The mean carbon density of the seven types of forest vegetation in Yunnan Province is 84.69 Mg/ha. The total carbon storage of the current forest vegetation in Yunnan Province is 871.14 TgC, and the CSP is 1100.61 TgC. The largest CSP (1114.82 TgC) occurs when the temperature increases by 0.5 °C. Incremental warming of 2 °C will sharply decrease the forest CSP, especially in those regions with mature coniferous forest vegetation. Semi-humid evergreen broad-leaved forests were highly sensitive to temperature changes, and the CSP of these forests will decrease with increasing temperature. Warm-hot coniferous forests have the greatest CSP in all simulation scenarios except the scenario of a 2 °C temperature increase. These results indicate that temperature increases can influence the CSP in Yunnan Province, and the largest impact emerged in the 2 °C increase scenario.
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 ».