MétaCan
Menu
← Retour à la cohorte
Enregistrement W2952110866 · doi:10.3390/su11123274

Estimation of Soil Respiration by Its Driving Factors Based on Multi-Source Data in a Sub-Alpine Meadow in North China

2019· article· en· W2952110866 sur OpenAlexaff
Yanan Liang, Yanpeng Cai, Junxia Yan, Hongjian Li

Notice bibliographique

RevueSustainability · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePlant Water Relations and Carbon Dynamics
Établissements canadiensUniversity of Regina
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésEnvironmental scienceQ10Normalized Difference Vegetation IndexAltitude (triangle)Moderate-resolution imaging spectroradiometerSoil respirationAtmospheric sciencesVegetation (pathology)Water contentSoil waterSoil sciencePhysical geographyRemote sensingClimatologyRespirationClimate changeSatelliteEcologyMathematicsGeographyGeology

Résumé

récupéré en direct d'OpenAlex

Soil respiration (Rs) in high-altitude areas are normally sensitive to varying climatic conditions. The objective of this research was mainly to explore temporal variations in Rs rates and the corresponding controlling factors for the establishment of appropriate fitting models in a sub-alpine meadow of north China. The data was obtained through field measuring and extraction of the Moderate Resolution Imaging Spectroradiometer (MODIS) in the geographical unit of the study site over the period of 2007 to 2015. The main results were as follows: (1) seasonal variations in Rs rates, soil temperature (Ts), land surface temperature (LST), and normalized difference vegetation index (NDVI) all produced symmetrical bell type patterns, while soil moisture (Ms) showed a fluctuating pattern, (2) a Ts-exponential model could greatly capture seasonal variations of Rs rates in the study site, reflecting the role of temperature as a dominant driving factor in determining Rs temporal variations in alpine meadow areas, (3) there was no significant difference between the performing indicators evaluating the proposed Ts-exponential model and the LST-exponential model. This indicated great potential for applying remote sensing products to estimate seasonal Rs rates and 4) seasonal variations in Rs rates towards temperature sensitivity (Q10) showed a concave curve and dramatically decreased as the temperature increased from −1 to 11 °C. Overall, the results indicated that attention to significant effects of climatic conditions on Rs, particularly in areas of low temperature, should be warranted. Also, applicability of remote sensing products for estimating Rs was reflected and demonstrated.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,068
Score d'incertitude au seuil0,136

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,009
Tête enseignante GPT0,231
Écart entre enseignants0,223 · 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 source (Gemma direct ou Codex distillé), 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

Citations9
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainability→Même sujetPlant Water Relations and Carbon Dynamics→Travaux en français237 207→