Dynamics of Carbon Accumulation in Tropical Dry Forests under Climate Change Extremes
Notice bibliographique
Résumé
We analyze here how much carbon is being accumulated annually by secondary tropical dry forests (TDFs) and how structure, composition, time since abandonment, and climate can influence the dynamics of forest carbon accumulation. The study was carried out in Santa Rosa National Park in Guanacaste province, Costa Rica and Mata Seca State Park in Minas Gerais, Brazil. Total carbon storage and carbon accumulation were obtained for both sites from the sum of the aboveground carbon and belowground carbon gain plus the annual litterfall. Carbon accumulation of these TDFs varied from 2.6 Mg C ha−1 y−1 to 6.3 Mg C ha−1 y−1, depending on the age of the forest stands. Time since abandonment and number of stems per plot were the best predictors for carbon storage, annual carbon gains, and losses. Mortality rates and carbon losses were also associated with seasonal climate variability. We found significant correlations between tree mortality, carbon losses and mean seasonal temperature, mean seasonal precipitation, potential evapotranspiration, and the Oceanic Niño Index. Carbon dynamics in tropical dry forests are driven by time since abandonment and forest structure; however, rising temperature and El Niño Southern Oscillation (ENSO) events can have a significant impact on tree mortality and carbon losses. Depending on their location and land-use history, some dry forests are more impacted by climatic extremes than others, and differences between secondary stages are expected.
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 ».