MétaCan
Menu
Retour à la cohorte
Enregistrement W2994070165 · doi:10.5194/soil-6-195-2020

Boreal-forest soil chemistry drives soil organic carbon bioreactivity along a 314-year fire chronosequence

2020· article· en· W2994070165 sur OpenAlexafffund
Benjamin Andrieux, David Paré, Julien Béguin, Pierre Grondin, Yves Bergeron

Notice bibliographique

RevueSOIL · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensMinistère des Ressources naturelles et des ForêtsNatural Resources CanadaUniversité du Québec en Abitibi-TémiscamingueCanadian Forest ServiceNatural Sciences and Engineering Research Council of Canada
Organismes subventionnairesMitacs
Mots-clésChronosequenceSoil carbonEnvironmental chemistrySoil waterMossSoil organic matterSoil pHSoil textureTaigaChemistrySoil chemistryTotal organic carbonEnvironmental scienceSoil scienceDominance (genetics)AgronomyEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract. Following a wildfire, organic carbon (C) accumulates in boreal-forest soils. The long-term patterns of accumulation as well as the mechanisms responsible for continuous soil C stabilization or sequestration are poorly known. We evaluated post-fire C stock changes in functional reservoirs (bioreactive and recalcitrant) using the proportion of C mineralized in CO2 by microbes in a long-term lab incubation, as well as the proportion of C resistant to acid hydrolysis. We found that all soil C pools increased linearly with the time since fire. The bioreactive and acid-insoluble soil C pools increased at a rate of 0.02 and 0.12 MgC ha−1 yr−1, respectively, and their proportions relative to total soil C stock remained constant with the time since fire (8 % and 46 %, respectively). We quantified direct and indirect causal relationships among variables and C bioreactivity to disentangle the relative contribution of climate, moss dominance, soil particle size distribution and soil chemical properties (pH, exchangeable manganese and aluminum, and metal oxides) to the variation structure of in vitro soil C bioreactivity. Our analyses showed that the chemical properties of podzolic soils that characterize the study area were the best predictors of soil C bioreactivity. For the O layer, pH and exchangeable manganese were the most important (model-averaged estimator for both of 0.34) factors directly related to soil organic C bioreactivity, followed by the time since fire (0.24), moss dominance (0.08), and climate and texture (0 for both). For the mineral soil, exchangeable aluminum was the most important factor (model-averaged estimator of −0.32), followed by metal oxide (−0.27), pH (−0.25), the time since fire (0.05), climate and texture (∼0 for both). Of the four climate factors examined in this study (i.e., mean annual temperature, growing degree-days above 5 ∘C, mean annual precipitation and water balance) only those related to water availability – and not to temperature – had an indirect effect (O layer) or a marginal indirect effect (mineral soil) on soil C bioreactivity. Given that predictions of the impact of climate change on soil C balance are strongly linked to the size and the bioreactivity of soil C pools, our study stresses the need to include the direct effects of soil chemistry and the indirect effects of climate and soil texture on soil organic matter decomposition in Earth system models to forecast the response of boreal soils to global warming.

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 enseignants0,022
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,012
Tête enseignante GPT0,198
Écart entre enseignants0,186 · 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

Citations19
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSOILMême sujetSoil Carbon and Nitrogen DynamicsTravaux en français237 207