MétaCan
Menu
← Retour à la cohorte
Enregistrement W4237107135 · doi:10.5194/bgd-10-7299-2013

Simulating boreal forest carbon dynamics after stand-replacing fire disturbance: insights from a global process-based vegetation model

2013· preprint· en· W4237107135 sur OpenAlexfundaboutno aff
Chao Yue, Philippe Ciais, Sebastiaan Luyssaert, Patricia Cadule, J. W. Harden, James T. Randerson, Valentin Bellassen, T. Wang, S. L. Piao, Benjamin Poulter, Nicolas Viovy

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesNatural Resources CanadaBiological and Environmental ResearchNatural Sciences and Engineering Research Council of CanadaCanadian Foundation for Climate and Atmospheric SciencesEuropean Space AgencyU.S. Department of EnergyNational Science Foundation
Mots-clésChronosequenceEnvironmental scienceBasal areaTaigaCarbon sinkCoarse woody debrisBorealForestryAtmospheric sciencesForest ecologyPrimary productionEcosystemEcologyGeographySoil scienceGeologySoil water

Résumé

récupéré en direct d'OpenAlex

Abstract. Stand-replacing fires are the dominant fire type in North American boreal forest and leave a historical legacy of a mosaic landscape of different aged forest cohorts. To accurately quantify the role of fire in historical and current regional forest carbon balance using models, one needs to explicitly simulate the new forest cohort that is established after fire. The present study adapted the global process-based vegetation model ORCHIDEE to simulate boreal forest fire CO2 emissions and follow-up recovery after a stand-replacing fire, with representation of postfire new cohort establishment, forest stand structure and the following self-thinning process. Simulation results are evaluated against three clusters of postfire forest chronosequence observations in Canada and Alaska. Evaluation variables for simulated postfire carbon dynamics include: fire carbon emissions, CO2 fluxes (gross primary production, total ecosystem respiration and net ecosystem exchange), leaf area index (LAI), and biometric measurements (aboveground biomass carbon, forest floor carbon, woody debris carbon, stand individual density, stand basal area, and mean diameter at breast height). The model simulation results, when forced by local climate and the atmospheric CO2 history on each chronosequence site, generally match the observed CO2 fluxes and carbon stock data well, with model-measurement mean square root of deviation comparable with measurement accuracy (for CO2 flux ~100 g C m−2 yr−1, for biomass carbon ~1000 g C m−2 and for soil carbon ~2000 g C m−2). We find that current postfire forest carbon sink on evaluation sites observed by chronosequence methods is mainly driven by historical atmospheric CO2 increase when forests recover from fire disturbance. Historical climate generally exerts a negative effect, probably due to increasing water stress caused by significant temperature increase without sufficient increase in precipitation. Our simulation results demonstrate that a global vegetation model such as ORCHIDEE is able to capture the essential ecosystem processes in fire-disturbed boreal forests and produces satisfactory results in terms of both carbon fluxes and carbon stocks evolution after fire, making it suitable for regional simulations in boreal regions where fire regimes play a key role on ecosystem carbon balance.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,120
Score d'incertitude au seuil0,000

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,006
Tête enseignante GPT0,224
Écart entre enseignants0,218 · 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'étudeSimulation ou modélisation
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

Citations4
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetFire effects on ecosystems→Travaux en français237 207→