Comparing an exponential respiration model to alternative models for soil respiration components in a Canadian wildfire chronosequence (FireResp v1.0)
Notice bibliographique
Résumé
Abstract. Forest fires modify soil organic carbon and suppress soil respiration for many decades after the initial disturbance. The associated changes in soil autotrophic and heterotrophic respiration from the time of the forest fire, however, are less well characterized. The FireResp model predicts soil autotrophic and heterotrophic respiration parameterized with a novel dataset across a fire chronosequence in the Yukon and Northwest Territories of Canada. The dataset consisted of soil incubation experiments and field measurements of soil respiration and soil carbon stocks. The FireResp model contains submodels that consider a Q10 (exponential) model of respiration compared to models of heterotrophic respiration using Michaelis–Menten kinetics parameterized with soil microbial carbon. For model evaluation we applied the Akaike information criterion and compared predicted patterns in components of soil respiration across the chronosequence. Parameters estimated with data from the 5 cm soil depth had better model–data comparisons than parameters estimated with data from the 10 cm soil depth. The model–data fit was improved by including parameters estimated from soil incubation experiments. Models that incorporated microbial carbon with Michaelis–Menten kinetics reproduced patterns in autotrophic and heterotrophic soil respiration components across the chronosequence. Autotrophic respiration was associated with aboveground tree biomass at more recently burned sites, but this association was less robust at older sites in the chronosequence. Our results provide support for more structured soil respiration models than standard Q10 exponential 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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».