Tundra landscape heterogeneity, not interannual variability, controls the decadal regional carbon balance in the Western Russian Arctic
Notice bibliographique
Résumé
Abstract Across the Arctic, the net ecosystem carbon (C) balance of tundra ecosystems is highly uncertain due to substantial temporal variability of C fluxes and to landscape heterogeneity. We modeled both carbon dioxide (CO 2 ) and methane (CH 4 ) fluxes for the dominant land cover types in a ~100‐km 2 sub‐Arctic tundra region in northeast European Russia for the period of 2006–2015 using process‐based biogeochemical models. Modeled net annual CO 2 fluxes ranged from −300 g C m −2 year −1 [net uptake] in a willow fen to 3 g C m −2 year −1 [net source] in dry lichen tundra. Modeled annual CH 4 emissions ranged from −0.2 to 22.3 g C m −2 year −1 at a peat plateau site and a willow fen site, respectively. Interannual variability over the decade was relatively small (20%–25%) in comparison with variability among the land cover types (150%). Using high‐resolution land cover classification, the region was a net sink of atmospheric CO 2 across most land cover types but a net source of CH 4 to the atmosphere due to high emissions from permafrost‐free fens. Using a lower resolution for land cover classification resulted in a 20%–65% underestimation of regional CH 4 flux relative to high‐resolution classification and smaller (10%) overestimation of regional CO 2 uptake due to the underestimation of wetland area by 60%. The relative fraction of uplands versus wetlands was key to determining the net regional C balance at this and other Arctic tundra sites because wetlands were hot spots for C cycling in Arctic tundra ecosystems.
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 | 0,001 | 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 | 0,001 | 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 ».