Natural forests exhibit higher carbon sequestration and lower water consumption than planted forests in China
Notice bibliographique
Résumé
Abstract Large‐scale planted forests (PF) have been given a higher priority in China for improving the environment and mitigating climate change relative to natural forests (NF). However, the ecological consequences of these PF on water resource security have been less considered in the national scale. Moreover, a critically needed comparison on key ecological effects between PF and NF under climate change has rarely been conducted. Here, we compare carbon sequestration and water consumption in PF and NF across China using combination of remote sensing and field inventory. We found that, on average, NF consumed 6.8% (37.5 mm per growing season) less water but sequestered 1.1% (12.5 g C m −2 growing season −1 ) more carbon than PF in the period of 2000–2012. While there was no significant difference in water consumption ( p = 0.6) between PF and NF in energy‐limited areas (dryness index [DI] < 1), water consumption was significantly ( p < 0.001) higher in PF than that in NF in water‐limited regions (DI > 1). Moreover, a distinct and larger shift of water yield was identified in PF than in NF from the 1980s to the 2000s, indicating that PF were more sensitive to climate change, leading to a higher water consumption when compared with NF. Our results suggest NF should be properly valued in terms of maximizing the benefits of carbon sequestration and water yield. Future forest plantation projects should be planned with caution, particularly in water‐limited regions where they might have less positive effect on carbon sequestration but lead to significant water yield reduction.
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 ».