Dynamics of dead wood decay in Swiss forests
Notice bibliographique
Résumé
Abstract Background Forests are an important component of the global carbon (C) cycle and can be net sources or sinks of CO 2 , thus mitigating or exacerbating the effects of anthropogenic greenhouse gas emissions. While forest productivity is often inferred from national-scale yield tables or from satellite products, forest C emissions resulting from dead organic matter decay are usually simulated, therefore it is important to ensure the accuracy and reliability of a model used to simulate organic matter decay at an appropriate scale. National Forest Inventories (NFIs) provide a record of carbon pools in ecosystem components, and these measurements are essential for evaluating rates and controls of C dynamics in forest ecosystems. In this study we combine the observations from the Swiss NFIs and machine learning techniques to quantify the decay rates of the standing snags and downed logs and identify the main controls of dead wood decay. Results We found that wood decay rate was affected by tree species, temperature, and precipitation. Dead wood originating from Fagus sylvatica decayed the fastest, with the residence times ranging from 27 to 54 years at the warmest and coldest Swiss sites, respectively. Hardwoods at wetter sites tended to decompose faster compared to hardwoods at drier sites, with residence times 45–92 and 62–95 years for the wetter and drier sites, respectively. Dead wood originating from softwood species had the longest residence times ranging from 58 to 191 years at wetter sites and from 78 to 286 years at drier sites. Conclusions This study illustrates how long-term dead wood observations collected and remeasured during several NFI campaigns can be used to estimate dead wood decay parameters, as well as gain understanding about controls of dead wood dynamics. The wood decay parameters quantified in this study can be used in carbon budget models to simulate the decay dynamics of dead wood, however more measurements (e.g. of soil C dynamics at the same plots) are needed to estimate what fraction of dead wood is converted to CO 2 , and what fraction is incorporated into soil.
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 | 0,000 |
| 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 | 0,000 | 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) | 0,001 | 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 ».