MétaCan
Menu
Retour à la cohorte
Enregistrement W3045508302 · doi:10.1139/as-2019-0026

Geomorphological controls over carbon distribution in permafrost soils: the case of the Narsajuaq river valley, Nunavik (Canada)

2020· article· en· W3045508302 sur OpenAlexaffvenueabout
Samuel Gagnon, Michel Allard

Notice bibliographique

RevueArctic Science · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensUniversité LavalCenter for Northern Studies
Organismes subventionnairesnon disponible
Mots-clésPermafrostLandformSoil carbonSoil waterPhysical geographyEnvironmental scienceCarbon fibersCarbon cycleHydrology (agriculture)Total organic carbonSoil scienceGeologyGeomorphologyEnvironmental chemistryGeographyEcologyOceanographyEcosystem

Résumé

récupéré en direct d'OpenAlex

Soils in the northern circumpolar region play a central role in the global carbon cycle because the release of carbon through permafrost thaw and geomorphological disturbances can potentially cause a feedback on climate. However, large uncertainties in estimates of permafrost carbon stocks remain, mainly because of wide gaps in the spatial coverage of soil carbon sampling sites and the large mapping polygons used to upscale data. By combining mapping of landforms and knowledge of surficial geology to upscale soil carbon content measurements, we provide an assessment of soil total carbon content in the region of the Narsajuaq river valley (Nunavik, Canada) to generate the first high-resolution soil carbon estimate confirmed by field measurements in Nunavik. We estimate that the Narsajuaq river valley and the surrounding uplands have a weighted average of 3.4 kg C m −2 (0–100 cm), with 73% of the total carbon content stored in the top 30 cm. The results also indicate that the valley is a carbon hotspot in the region, containing 76% of the total carbon content (0–100 cm) of the study area. Although soil carbon estimates will always require field sampling, the geomorphological mapping approach can significantly improve carbon content estimates and provide better inputs for models.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,052
Score d'incertitude au seuil0,975

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,028
Tête enseignante GPT0,230
Écart entre enseignants0,201 · 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 tête enseignante, 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

Citations6
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueArctic ScienceMême sujetClimate change and permafrostTravaux en français237 207