Estimates of Dust Emissions and Organic Carbon Losses Induced by Wind Erosion in Farmland Worldwide from 2017 to 2021
Notice bibliographique
Résumé
Wind erosion can cause high dust emissions from agricultural land and can lead to a significant loss of carbon and nutrients from the soil. The carbon balance of farmland soil is an integral part of the carbon cycle, especially under the current drive to develop carbon-neutral practices. However, the amount of global carbon lost due to the wind erosion of farmland is unknown. In this study, global farmland dust emissions were estimated from a dust emission inventory (0.1° × 0.1°, daily) built using the improved Community Multiscale Air Quality Modeling System–FENGSHA (CMAQ-FENGSHA), and global farmland organic carbon losses were estimated by combining this with global soil organic carbon concentration data. The average global annual dust emissions from agricultural land from 2017 to 2021 were 1.75 × 109 g/s. Global dust emissions from agricultural land are concentrated in the UK, Ukraine, and Russia in Europe; in southern Canada and the central US in North America; in the area around Buenos Aires, the capital of Argentina, in South America; and in northeast China in Asia. The global average annual organic carbon loss from agricultural land was 2970 Gg for 2017–2021. The spatial distribution of emissions is roughly consistent with that of dust emissions, which are mainly concentrated in the world’s four major black soil regions. These estimates of dust and organic carbon losses from agricultural land are essential references that can inform the global responses to the carbon cycle, dust emissions, and black soil conservation.
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 ».