Quantifying past, current, and future forest carbon stocks within agroforestry systems in central Alberta, Canada
Notice bibliographique
Résumé
Abstract Information about regional‐level carbon (C) stocks in agroforestry systems (AFS), as well as the annual loss of agroforests and associated C stocks, is scarce, limiting our capacity for increasing C sequestration through establishing, retaining, and enhancing these systems. This study quantified regional‐level C stocks and the associated incremental economic value in the forest land‐use component of three common AFS (hedgerows, shelterbelts, and silvopastures), estimated the annual loss of hedgerow and silvopasture forests and the associated C, and assessed the potential to enhance C storage through the expansion of shelterbelts in central Alberta, Canada, using publicly available satellite imagery, previously collected field data and the Google Earth Engine platform. Results showed that forests in the three AFS stored 699.9 million tons (Mt) C across 9.5 million hectares (Mha) of land in central Alberta and were valued at $102.7 billion based on the 2021 Canadian C tax rate of $40 t−1 CO2‐equivalent. Silvopasture forests in the studied region had the highest C stocks, which were 14.2 and 67.2 times that found in hedgerow and shelterbelt forests, respectively. Between 2001 and 2020, forests in hedgerows and silvopastures declined at rates of 468.1 and 1957.1 ha year−1, respectively, leading to an 8.4 Mt decline in total C storage over the 20 years. However, there is potential to establish new shelterbelts at many road/field margins, which could increase C stocks by 2.3 times the current C stocks in shelterbelt forests. These results highlight the importance of retaining existing and establishing new AFS for increasing C sequestration, emphasizing the impact of agroforest loss on reducing C storage within agroecosystems. The development of policies that assist or reward landowners for providing the ecosystem service of C storage by retaining, establishing, and enhancing agroforests as part of existing agroecosystem management should be encouraged for mitigating climate change.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».