Changing plant species composition and richness benefit soil carbon sequestration under climate warming
Notice bibliographique
Résumé
Abstract Anthropogenic warming and land‐use change are expected to accelerate global soil organic carbon (SOC) losses and change plant species composition and richness. However, how changes in plant composition and species richness mediate SOC responses to climate warming and land‐use change remains poorly understood. Using data from a 7‐year warming and clipping field experiment in an alpine meadow on the Qinghai–Tibetan Plateau, we examined the direct effects of warming and clipping on SOC storage versus their indirect effects mediated by plant functional type and species richness. We found that warming significantly increased SOC storage by 8.1% and clipping decreased it by 6.4%, which was closely correlated with the corresponding response of below‐ground net primary productivity (BNPP). We also found a negative correlation between SOC storage and species richness, which was ascribed to the increased BNPP via enhancing the dominance of grasses and decreasing species richness under warming. The lower SOC storage under clipping was caused by the clipping‐induced decrease in BNPP via weakening the dominance of grasses and increasing species richness. Our findings highlight that the SOC storage in this alpine meadow under climate warming and clipping was primarily governed by BNPP changes, which was mediated by changes in the dominance of grasses and species richness. Overall, our study demonstrates that shifting to the dominance of grasses and changing species richness would benefit soil C sequestration under climate warming, but this positive effect would be dampened by grazing or hay harvest. Read the free Plain Language Summary for this article on the Journal blog.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,001 | 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 tête enseignante, 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 ».