MétaCan
Menu
← Retour à la cohorte
Enregistrement W4253121975 · doi:10.5194/bg-2018-516

Dissolved organic carbon mobilized from organic horizons of mature and harvested black spruce plots in a mesic boreal region

2019· preprint· en· W4253121975 sur OpenAlexafffund
Keri L. Bowering, Kate A. Edwards, Xinbiao Zhu, Susan E. Ziegler

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiquePeatlands and Wetlands Ecology
Établissements canadiensNatural Resources CanadaCanadian Forest ServiceMemorial University of Newfoundland
Organismes subventionnairesNatural Resources CanadaNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésDissolved organic carbonEnvironmental scienceThroughfallSoil waterTaigaLysimeterBorealTotal organic carbonHydrology (agriculture)Water contentBlack spruceSnowmeltSoil carbonForest floorSoil scienceEcologyEnvironmental chemistrySurface runoffChemistryGeology

Résumé

récupéré en direct d'OpenAlex

Abstract. Boreal forests are subject to a wide range of temporally and spatially variable environmental conditions driven by seasonal and regional climate variations, in addition to disturbances such as forest harvesting and climate change. Among the various ecological mechanisms affected by disturbance, is the transport rate of dissolved organic carbon (DOC) from surface soil organic (O) horizons to deeper mineral SOC pools and the adjacent aquatic systems. Here, we examine the transport of DOC from surface O horizons across a boreal forest landscape using passive pan lysimeters in order to identify controls and hot moments of DOC mobilization from this key C source. To do so, we specifically addressed (1) how DOC fluxes from O horizons vary on a weekly to seasonal basis in both forest and harvested plots, and (2) how soil temperature, soil moisture and water inputs relate to DOC fluxes in these plots over time. The total annual DOC flux from O horizons was greater in the warmer harvested plots than in the forest plots (54 g C m−2 vs 38 g C m−2 respectively; p = 0.008), despite smaller aboveground C inputs and smaller SOC stocks in the harvested plots. Water input, measured as rain, throughfall and/or snowmelt depending on season, was positively correlated to temporal variations in soil water and DOC fluxes. Soil temperature was positively correlated to temporal variations of DOC concentration ([DOC]) of soil water and negatively correlated with water fluxes, but no relationship existed between soil temperature and DOC fluxes. Soil moisture was negatively correlated to temporal variations in [DOC] in the harvested plots only. The relationship between water input to soil and DOC fluxes was seasonally dependent in both plot types. In summer, a water limitation on DOC flux existed where weekly periods of no flux alternated with periods of large fluxes, suggesting that increased water fluxes over this period would result in proportional increases in DOC fluxes. In contrast, a flushing of O horizons occurred during increasing water inputs and decreasing soil temperatures in autumn, prior to snowpack development. Soils of both plot types remained snow-covered all winter, which protected soils from frost and limited winter soil water fluxes. The largest water input and soil water fluxes occurred during spring snowmelt, but did not result in the largest fluxes of DOC, suggesting a production limitation on DOC fluxes over both the wet autumn and snowmelt periods. While future increases in annual precipitation could lead to increased DOC fluxes, the response may be dependent on the intra-annual distribution of this increase. Increased water input during the already wet autumn, for instance, may not lead to increased fluxes if the DOC pool is not replenished. Potential reductions in snow cover, however, leading to a reduction in soil insulation and increased occurrence of soil frost in addition to increases in winter-time water fluxes, could be an important mechanism of increased DOC production and fluxes from O horizons in winter.

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 enseignants0,022
Score d'incertitude au seuil0,043

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 savante0,0010,000
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 Opus0,009
Tête enseignante GPT0,212
Écart entre enseignants0,203 · 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

Citations4
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetPeatlands and Wetlands Ecology→Travaux en français237 207→