Stand carbon storage and net primary production in China’s subtropical secondary forests are predicted to increase by 2060
Notice bibliographique
Résumé
BACKGROUND: Forest ecosystems play an important role in carbon sequestration, climate change mitigation, and achieving China's target to become carbon (C) neutral by 2060. However, changes in C storage and net primary production (NPP) in natural secondary forests stemming from tree growth and future climate change have not yet been investigated in subtropical areas in China. Here, we used data from 290 inventory plots in four secondary forests [evergreen broad-leaved forest (EBF), deciduous and evergreen broad-leaved mixed forest (DEF), deciduous broad-leaved forest (DBF), and coniferous and broad-leaved mixed forest (CDF)] at different restoration stages and run a hybrid model (TRIPLEX 1.6) to predict changes in stand carbon storage and NPP under two future climate change scenarios (RCP4.5 and RCP8.5). RESULTS: The runs of the hybrid model calibrated and validated by using the data from the inventory plots suggest significant increase in the carbon storage by 2060 under the current climate conditions, and even higher increase under the RCP4.5 and RCP8.5 climate change scenarios. In contrast to the carbon storage, the simulated EBF and DEF NPP declines slightly over the period from 2014 to 2060. CONCLUSIONS: The obtained results lead to conclusion that proper management of China's subtropical secondary forests could be considered as one of the steps towards achieving China's target to become carbon neutral by 2060.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,001 | 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 ».