Agroforestry perennials reduce nitrous oxide emissions and their live and dead trees increase ecosystem carbon storage
Notice bibliographique
Résumé
Abstract Agroforestry systems (AFS) contribute to carbon (C) sequestration and reduction in greenhouse gas emissions from agricultural lands. However, previously understudied differences among AFS may underestimate their climate change mitigation potential. In this 3‐year field study, we assessed various C stocks and greenhouse gas emissions across two common AFS (hedgerows and shelterbelts) and their component land uses: perennial vegetated areas with and without trees (woodland and grassland, respectively), newly planted saplings in grassland, and adjacent annual cropland in central Alberta, Canada. Between 2018 and 2020 (~April–October), nitrous oxide emissions were 89% lower under perennial vegetation relative to the cropland (0.02 and 0.18 g N m−2 year−1, respectively). In 2020, heterotrophic respiration in the woodland was 53% lower in shelterbelts relative to hedgerows (279 and 600 g C m−2 year−1, respectively). Within the woodland, deadwood C stock was particularly important in hedgerows (35 Mg C ha−1or 7% of ecosystem C) relative to shelterbelts (2 Mg C ha−1or <1% of ecosystem C), and likely affected C cycling differences between the woodland types by enhancing soil labile C and microbial biomass in hedgerows. Deadwood C stock was positively correlated with annual heterotrophic respiration and total (to ~100 cm depth) soil organic C, water‐soluble organic C, and microbial biomass C. Total ecosystem C was 1.90–2.55 times greater within the woodland than all other land uses, with 176, 234, 237, and 449 Mg C ha−1found in the cropland, grassland, planted saplings treatment, and woodland, respectively. Shelterbelt and hedgerow woodlands contained 2.09 and 3.03 times more C, respectively, than adjacent cropland. Our findings emphasize the importance of AFS for fostering C sequestration and reducing greenhouse gas emissions and, in particular, retaining hedgerows (legacy woodland) and their associated deadwood across temperate agroecosystems will help mitigate climate change.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 ».