Deforestation for agriculture leads to soil warming and enhanced litter decomposition in subarctic soils
Notice bibliographique
Résumé
Abstract. The climate-change-induced poleward shift of agriculture could lead to enforced deforestation of subarctic forest. Deforestation alters the microclimate and, thus, soil temperature, which is an important driver of decomposition. The consequences of land-use change on soil temperature and decomposition in temperature-limited ecosystems are not well understood. In this study, we buried tea bags together with soil temperature loggers at two depths (10 and 50 cm) in native subarctic forest soils and adjacent agricultural land in the Yukon Territory, Canada. A total of 37 plots was established on a wide range of different soils and resampled after 2 years to quantify the land-use effect on soil temperature and decomposition of fresh organic matter. Average soil temperature over the whole soil profile was 2.1 ± 1.0 and 2.0 ± 0.8 ∘C higher in cropland and grassland soils compared to forest soils. Cumulative degree days (the annual sum of daily mean temperatures > 0 ∘C) increased significantly by 773 ± 243 (cropland) and 670 ± 285 (grassland). Litter decomposition was enhanced by 2.0 ± 10.4 % and 7.5 ± 8.6 % in cropland topsoil and subsoil compared to forest soils, but no significant difference in decomposition was found between grassland and forest soils. Increased litter decomposition may be attributed not only to increased temperature but also to management effects, such as irrigation of croplands. The results suggest that deforestation-driven temperature changes exceed the soil temperature increase that has already been observed in Canada due to climate change. Deforestation thus amplifies the climate–carbon feedback by increasing soil warming and organic matter decomposition.
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 | 0,001 |
| 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) | 0,000 | 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 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 ».