Contribution of winter soil respiration to annual soil CO<sub>2</sub> emission in a Mollisol under different tillage practices in northeast China
Notice bibliographique
Résumé
Winter soil CO 2 emission is a very important component of the annual carbon budgets, however, almost no information on winter CO 2 emission is available from the cropland soil in northeast China. In this study, soil CO 2 flux was measured for a 2‐year period from an ongoing tillage trial on Black soil in northeast China to quantify seasonal patterns in soil CO 2 flux rate and wintertime contribution to annual soil respiration. Average soil CO 2 flux rates in the winter (November to March) were between 0.64 to 1.22 g CO 2 m −2 d −1 , in the non‐growing season (October and April) were 2.09–3.56 g CO 2 m −2 d −1 , whereas in the growing season (May to September) they were between 10.9 to 12.7 g CO 2 m −2 d −1 , with no significant differences among tillage treatments. Total winter, non‐growing and growing season soil CO 2 emissions were 0.28–0.45 Mg C ha −1 , 0.36–0.53 Mg C ha −1 , and 4.52–5.55 Mg C ha −1 , respectively, among tillage treatments. The contributions of winter soil respiration to annual soil CO 2 emission ranged from 5.1 to 7.1%, and the non‐growing season emission ranged from 11.4 to 15.2% among tillage treatments. Our results indicate that in northeast China, cropland Black soil continuously emits CO 2 throughout the non‐growing season, and the wintertime soil respiration plays a significant role in annual soil carbon budgets. Hence winter soil CO 2 emission must be taken into consideration when the role of the soil ecosystem is assessed as either a sink or source of CO 2 to the atmosphere.
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 ».