MétaCan
Menu
Retour à la cohorte
Enregistrement W4206907315 · doi:10.1186/s13717-021-00349-7

Heat and drought impact on carbon exchange in an age-sequence of temperate pine forests

2022· article· en· W4206907315 sur OpenAlexafffundabout
M. Altaf Arain, Bing Xu, Jason Brodeur, Myroslava Khomik, Matthias Peichl, Eric Beamesderfer, Natalia Restrepo-Couple, Robin Thorne

Notice bibliographique

RevueEcological Processes · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePlant Water Relations and Carbon Dynamics
Établissements canadiensWilfrid Laurier UniversityUniversity of CalgaryUniversity of WaterlooMcMaster University
Organismes subventionnairesCanadian Forest ServiceOntario Ministry of Research and InnovationGlobal Water FuturesNatural Sciences and Engineering Research Council of CanadaUniversity of British ColumbiaEnvironment and Climate Change CanadaNatural Resources CanadaMinistry of EnvironmentOntario Innovation TrustMinistère de l’Environnement, de la Protection de la nature et des ParcsCanadian Foundation for Climate and Atmospheric SciencesBIOCAP CanadaMinistry of Natural ResourcesU.S. Forest ServiceMcMaster UniversityOntario Ministry of Natural Resources and Forestry
Mots-clésEddy covarianceTemperate climateEcosystemCarbon sequestrationEnvironmental sciencePrimary productionEcosystem respirationTemperate rainforestProductivityGrowing seasonGeographyForestryEcologyBiologyCarbon dioxide

Résumé

récupéré en direct d'OpenAlex

Abstract Background Most North American temperate forests are plantation or regrowth forests, which are actively managed. These forests are in different stages of their growth cycles and their ability to sequester atmospheric carbon is affected by extreme weather events. In this study, the impact of heat and drought events on carbon sequestration in an age-sequence (80, 45, and 17 years as of 2019) of eastern white pine ( Pinus strobus L.) forests in southern Ontario, Canada was examined using eddy covariance flux measurements from 2003 to 2019. Results Over the 17-year study period, the mean annual values of net ecosystem productivity (NEP) were 180 ± 96, 538 ± 177 and 64 ± 165 g C m –2 yr –1 in the 80-, 45- and 17-year-old stands, respectively, with the highest annual carbon sequestration rate observed in the 45-year-old stand. We found that air temperature (Ta) was the dominant control on NEP in all three different-aged stands and drought, which was a limiting factor for both gross ecosystem productivity (GEP) and ecosystems respiration (RE), had a smaller impact on NEP. However, the simultaneous occurrence of heat and drought events during the early growing seasons or over the consecutive years had a significant negative impact on annual NEP in all three forests. We observed a similar trend of NEP decline in all three stands over three consecutive years that experienced extreme weather events, with 2016 being a hot and dry, 2017 being a dry, and 2018 being a hot year. The youngest stand became a net source of carbon for all three of these years and the oldest stand became a small source of carbon for the first time in 2018 since observations started in 2003. However, in 2019, all three stands reverted to annual net carbon sinks. Conclusions Our study results indicate that the timing, frequency and concurrent or consecutive occurrence of extreme weather events may have significant implications for carbon sequestration in temperate conifer forests in Eastern North America. This study is one of few globally available to provide long-term observational data on carbon exchanges in different-aged temperate plantation forests. It highlights interannual variability in carbon fluxes and enhances our understanding of the responses of these forest ecosystems to extreme weather events. Study results will help in developing climate resilient and sustainable forestry practices to offset atmospheric greenhouse gas emissions and improving simulation of carbon exchange processes in terrestrial ecosystem 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 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 enseignants0,098
Score d'incertitude au seuil0,195

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,020
Tête enseignante GPT0,256
Écart entre enseignants0,236 · 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

Citations66
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEcological ProcessesMême sujetPlant Water Relations and Carbon DynamicsTravaux en français237 207