Survival of the Deepest Peatlands? Peat Depth as a Driver of Ecohydrological Resilience to Drought and Wildfire
Notice bibliographique
Résumé
Northern peatlands provide important ecosystem services (e.g. carbon storage, water storage, species at risk habitat). While these ecosystems are facing large increases in the areal extent and frequency of climate-mediated disturbances (e.g. wildfire, drought), they are generally resilient to these disturbances. Numerous autogenic ecohydrological feedbacks operate within peatlands that regulate their response to changes in seasonal water deficit. However, the foundational research upon which this peatland resilience framework understanding was based were undertaken in deep and large peatlands where a water table (WT) is ever-present. In contrast, little research has been undertaken on shallow and small-scale peat-accumulating systems and as such their vulnerability to disturbance remains unknown. To address this research gap, this study examines the ecohydrological processes that control water storage dynamics, moss water stress, depth of burn, and carbon fluxes in peatlands varying in average peat depth. Shallower peatlands had greater water table variability, water table depths, water table drawdown rates, moss moisture stress and depths of burn than deeper peatlands. Moreover, peatland gross ecosystem productivity sequestration was significantly lower during periods when water table dropped below the peat layer. Mean summer water table depth was found to be significantly correlated with summer total net ecosystem CO2 exchange (R2adj = 0.923 ; p-value = 0.029) and GEP (R2adj = 0.994 ; p-value = 0.003), where wet summers with a water table close to the peat surface sequestered more than twice the amount of CO2 than dry summers. These results suggest that peat depth is important in controlling the strength and sign of autogenic ecohydrological feedbacks and in determining peatland vulnerability to drought and wildfire. Moreover, this study provides insight into both the evolution of the optimality of peatland ecosystems and potential adaptation strategies to minimize the vulnerability of shallow and/or recently restored peatlands to drought.
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 | 0,001 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».