MétaCan
Menu
Retour à la cohorte
Enregistrement W4291535890 · doi:10.1038/s41467-022-32416-8

Process-oriented analysis of dominant sources of uncertainty in the land carbon sink

2022· article· en· W4291535890 sur OpenAlexaff
Michael O’Sullivan, Pierre Friedlingstein, Stephen Sitch, Peter Anthoni, Almut Arneth, Vivek K. Arora, Vladislav Bastrikov, Christine Delire, Daniel S. Goll, Atul K. Jain, Etsushi Kato, Daniel Kennedy, Jürgen Knauer, Sebastian Lienert, Danica Lombardozzi, Patrick McGuire, Joe R. Melton, Julia E. M. S. Nabel, Julia Pongratz, Benjamin Poulter, Roland Séférian, Hanqin Tian, Nicolas Vuichard, Anthony P. Walker, Wenping Yuan, Xu Yue, Sönke Zaehle

Notice bibliographique

RevueNature Communications · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesHorizon 2020 Framework ProgrammeEuropean Commission
Mots-clésCarbon sinkSink (geography)Process (computing)Computer scienceCarbon fibersEnvironmental scienceEcologyBiologyGeographyClimate changeAlgorithmCartography

Résumé

récupéré en direct d'OpenAlex

Abstract The observed global net land carbon sink is captured by current land models. All models agree that atmospheric CO 2 and nitrogen deposition driven gains in carbon stocks are partially offset by climate and land-use and land-cover change (LULCC) losses. However, there is a lack of consensus in the partitioning of the sink between vegetation and soil, where models do not even agree on the direction of change in carbon stocks over the past 60 years. This uncertainty is driven by plant productivity, allocation, and turnover response to atmospheric CO 2 (and to a smaller extent to LULCC), and the response of soil to LULCC (and to a lesser extent climate). Overall, differences in turnover explain ~70% of model spread in both vegetation and soil carbon changes. Further analysis of internal plant and soil (individual pools) cycling is needed to reduce uncertainty in the controlling processes behind the global land carbon sink.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,225
Score d'incertitude au seuil0,187

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,007
Tête enseignante GPT0,246
Écart entre enseignants0,239 · 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 tête enseignante, 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

Citations85
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207