MétaCan
Menu
Retour à la cohorte
Enregistrement W2973497171 · doi:10.1038/s41467-019-12257-8

Vegetation structural change since 1981 significantly enhanced the terrestrial carbon sink

2019· article· en· W2973497171 sur OpenAlexaff
J.M. Chen, Weimin Ju, Philippe Ciais, Nicolas Viovy, Ronggao Liu, Yang Liu, Xuehe Lu

Notice bibliographique

RevueNature Communications · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePlant Water Relations and Carbon Dynamics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Key Research and Development Program of ChinaNational Natural Science Foundation of ChinaFundamental Research Funds for the Central UniversitiesAgence Nationale de la Recherche
Mots-clésCarbon sinkSink (geography)Environmental scienceCarbon cycleClimate changeGlobal changeTerrestrial ecosystemEcosystemVegetation (pathology)Atmospheric sciencesLeaf area indexCarbon sequestrationEnvironmental changePhysical geographyCarbon dioxideEcologyBiologyGeographyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Satellite observations show that leaf area index (LAI) has increased globally since 1981, but the impact of this vegetation structural change on the global terrestrial carbon cycle has not been systematically evaluated. Through process-based diagnostic ecosystem modeling, we find that the increase in LAI alone was responsible for 12.4% of the accumulated terrestrial carbon sink (95 ± 5 Pg C) from 1981 to 2016, whereas other drivers of CO 2 fertilization, nitrogen deposition, and climate change (temperature, radiation, and precipitation) contributed to 47.0%, 1.1%, and −28.6% of the sink, respectively. The legacy effects of past changes in these drivers prior to 1981 are responsible for the remaining 65.5% of the accumulated sink from 1981 to 2016. These results refine the attribution of the land sink to the various drivers and would help constrain prognostic models that often have large uncertainties in simulating changes in vegetation and their impacts on the global carbon cycle.

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)0,000
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 enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,014
Tête enseignante GPT0,247
Écart entre enseignants0,234 · 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

Citations490
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetPlant Water Relations and Carbon DynamicsTravaux en français237 207