Critical land change information enhances the understanding of carbon balance in the United States
Notice bibliographique
Résumé
Abstract Large‐scale terrestrial carbon (C) estimating studies using methods such as atmospheric inversion, biogeochemical modeling, and field inventories have produced different results. The goal of this study was to integrate fine‐scale processes including land use and land cover change into a large‐scale ecosystem framework. We analyzed the terrestrial C budget of the conterminous United States from 1971 to 2015 at 1‐km resolution using an enhanced dynamic global vegetation model and comprehensive land cover change data. Effects of atmospheric CO2 fertilization, nitrogen deposition, climate, wildland fire, harvest, and land use/land cover change (LUCC) were considered. We estimate annual C losses from cropland harvest, forest clearcut and thinning, fire, and LUCC were 436.8, 117.9, 10.5, and 10.4 TgC/year, respectively. C stored in ecosystems increased from 119,494 to 127,157 TgC between 1971 and 2015, indicating a mean annual net C sink of 170.3 TgC/year. Although ecosystem net primary production increased by approximately 12.3 TgC/year, most of it was offset by increased C loss from harvest and natural disturbance and increased ecosystem respiration related to forest aging. As a result, the strength of the overall ecosystem C sink did not increase over time. Our modeled results indicate the conterminous US C sink was about 30% smaller than previous modeling studies, but converged more closely with inventory data.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».