Calcium and amorphous silica in Arctic soils: Estimating Pan-Arctic availabilities and importance for CO2 production
Notice bibliographique
Résumé
Future warming of the Arctic not only threatens to destabilize the enormous pool of organic carbon accumulated in permafrost soils, but may also mobilize elements such as calcium (Ca) or silicon (Si). Little is known about the effects of Si and Ca on carbon cycle processes in soils from Siberia, the Canadian Shield or Alaska. We incubated five different soils for six months with different Ca and amorphous Si (ASi) concentrations. Our results show a strong decrease in soil CO2 production for all soils with increasing Ca concentrations. The ASi effect was not clear across the different soils used, with soil CO2 production increasing, decreasing or not being significantly affected depending on the soil type and if the soils were initially drained or waterlogged. Including Ca as a controlling factor for Arctic soil CO2 production rates may therefore reduce uncertainties in modelling future scenarios on how Arctic regions may respond to climate change. To project how biogeochemical cycling in Arctic ecosystems will be affected by climate change, there is a need for data on element availability. For this we analysed ASi, Si, Ca, iron (Fe), phosphorus (P), and aluminium (Al) availability from 574 soil samples from the circumpolar Arctic region. We show large differences in element availability among different lithologies and Arctic regions. We summarized these data in pan-Arctic element maps focussing on the top 100 cm of Arctic soil. Furthermore, we provide values for element availability for the organic and the mineral layer of the seasonally thawing active layer as well as for the uppermost permafrost layer. Our spatially explicit data on differences in the availability of elements between the different lithological classes and regions now and in the future will improve Arctic Earth system models for estimating current and future carbon and nutrient feedbacks under 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,000 | 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 ».