MétaCan
Menu
Retour à la cohorte
Enregistrement W3184003049 · doi:10.1139/cjfr-2021-0109

Log landings are methane emission hotspots in managed forests

2021· article· en· W3184003049 sur OpenAlexafffundvenueabout
Juliana Vantellingen, Sean C. Thomas

Notice bibliographique

RevueCanadian Journal of Forest Research · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueForest Ecology and Biodiversity Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésEnvironmental scienceSoil waterMethaneWetlandForestrySpatial variabilityDebrisCoarse woody debrisHydrology (agriculture)Organic matterGrowing seasonFlux (metallurgy)Atmospheric sciencesSoil scienceGeographyAgronomyEcologyGeologyHabitat

Résumé

récupéré en direct d'OpenAlex

Log landings are areas within managed forests used to process and store felled trees prior to transport. Through their construction and use soil is removed or redistributed, compacted, and organic matter contents may be increased by incorporation of wood fragments. The effects of these changes to soil properties on methane (CH4) flux are unclear and unstudied. We quantified CH4 flux rates from year-old landings in Ontario, Canada, and examined spatial variability and relationships to soil properties within these sites. Landings emitted CH4 throughout the growing season; the average CH4 emission rate from log landings was 69.2 ± 12.8 nmol·m−2·s−1 (26.2 ± 4.8 g CH4-C·m−2·year−1), a rate comparable to CH4-emitting wetlands. Emission rates were correlated to soil pH, organic matter content, and quantities of buried woody debris. These properties led to strong CH4 emissions, or “hotspots”, in certain areas of landings, particularly where processing of logs occurred and incorporated woody debris into the soil. At the forest level, emissions from landings were estimated to offset ∼12% of CH4 consumption from soils within the harvest area, although making up only ∼0.5% of the harvest area. Management practices to avoid or remediate these emissions should be developed as a priority measure in “climate-smart” forestry.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,364
Score d'incertitude au seuil0,723

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,000
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 Opus0,072
Tête enseignante GPT0,289
Écart entre enseignants0,217 · 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 source (Gemma direct ou Codex distillé), 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

Citations10
Publié2021
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetForest Ecology and Biodiversity StudiesTravaux en français237 207