Decomposition differences between snags and logs in forests of Kenai Peninsula, Alaska
Notice bibliographique
Résumé
Rising temperatures could increase forest ecosystem disturbance frequency and severity, transferring large amounts of live biomass to coarse woody debris (CWD) pools that emit carbon (C). The type of disturbance-created CWD influences the rate, amount, and duration of this C emission. We studied the effect of a large-scale disturbance on CWD dynamics in spruce-dominated forests of the Kenai Peninsula, Alaska, by determining CWD decomposition rate constants (k) using the chronosequence and decomposition-vectors methods and by modeling the hypothetical CWD dynamics occurring after a bark beetle outbreak versus a windthrow. Chronosequence-based k’s for mass ranged between 0.020 and 0.022 year−1 for logs and between 0.000 and 0.003 year−1 for snags. Decomposition-vectors-based k’s for log mass ranged between 0.022 and 0.045 year−1 among three decomposition phases and between 0.014 and 0.048 year−1 among five decay classes. Our analysis showed that snag-generating disturbances delayed C flux from CWD to the atmosphere, produced a smaller magnitude of C flux, and had the potential to store 10% to 66% more C in the system over time than disturbances generating logs. Thus, landscapes affected by disturbances creating snags (versus logs) may revert faster to C neutrality, suggesting forest management practices should reflect these differences.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 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 ».