A Synthesis of Blue Carbon Stocks, Sources, and Accumulation Rates in Eelgrass (<i>Zostera marina</i>) Meadows in the Northeast Pacific
Notice bibliographique
Résumé
Abstract There is increasing urgency to implement climate change mitigation strategies that enhance greenhouse gas removal from the atmosphere and reduce carbon dioxide (CO 2 ) emissions. Recently, coastal “blue carbon” habitats—mangroves, salt marshes, and seagrass meadows—have received attention for their ability to capture CO 2 and store organic carbon (OC), primarily in their sediments. Across habitat types and regions, however, information about the sequestration rates and sources of carbon to local sediments remains sparse. Here we compiled recently obtained estimates of sediment OC stocks and sequestration rates from 139 cores collected from temperate seagrass ( Zostera marina ) meadows in Alaska, British Columbia, Washington, and Oregon. Across all cores sediment OC content averaged 0.75%. Organic carbon stocks in the top 25 cm and 1 m of the sediment averaged 1,846 and 7,168 g OC m −2 , respectively. Carbon sequestration rates ranged from 4.6 to 93.0 g OC m −2 yr −1 and averaged 24.8 g OC m −2 yr −1 . Isotopic data from this region suggest that OC in the sediments is largely from noneelgrass sources. In general, these values are comparable to those from other temperate Z. marina meadows, but significantly lower than previously reported values for seagrasses globally. These results further highlight the need for local and species‐level quantification of blue carbon parameters. While temperate eelgrass meadows may not sequester and store as much carbon as seagrass meadows elsewhere, climate policy incentives should still be implemented to protect existing sediment carbon stocks and the other critical ecosystem services associated with eelgrass habitats.
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 ».