Predicting Non-Growing Season Net Ecosystem Exchanges of CO2 from a Canadian Peatland 
Notice bibliographique
Résumé
The world’s cold regions are experiencing some of the fastest warming, especially during the winter and shoulder seasons. Recent studies have further highlighted the significance of carbon dioxide (CO2) emissions during the non-growing season (NGS) to the annual carbon (C) budgets of northern peatlands. Because of the positive feedback of soil microbial respiration to warming, even at sub-zero temperatures, a warmer NGS may be expected to alter the C balance of peatlands, which are estimated to store about one-third of global terrestrial organic C stocks. However, estimates of NGS net ecosystem CO2 exchange (NEE) of peatlands remain highly uncertain. In this study, we use a variable selection methodology and a global sensitivity analysis (GSA) to determine the most influential environmental variables affecting the NGS-NEE of CO2 in a temperate Canadian peatland (Mer Bleue Bog; Ottawa, Canada). A data-driven machine learning model is trained on a 13-year (1998-2010) continuous record of eddy covariance flux measurements at the site. The model successfully reproduces the observed NGS-NEE CO2 fluxes using only 7 variables: soil temperature, soil moisture, air temperature, wind direction and speed, net radiation, and upwelling photosynthetic photon flux density. Of these 7 input variables, NGS-NEE is most sensitive to changes in net radiation, likely through the latter’s strong linkages to variations in plant phenology and snow cover. We further predict how the future NGS-NEE of the Mer Bleue Bog will change under three climate scenarios (RCP2.6, RCP4.5, and RCP8.5). According to the projections, mean NEE during the NGS could increase by up to 103% by the end of the 21st century. Our results thus reinforce the urgent need for a comprehensive understanding of peatlands as evolving sources of atmospheric CO2 in a warming world.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».