Carbon in Chinese grasslands: meta-analysis and theory of grazing effects
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Globally, livestock grazing is an important management factor influencing soil degradation, soil health and carbon (C) stocks of grassland ecosystems. However, the effects of grassland types, grazing intensity and grazing duration on C stocks are unclear across large geographic scales. To provide a more comprehensive assessment of how grazing drives ecosystem C stocks in grasslands, we compiled and analyzed data from 306 studies featuring four grassland types across China: desert steppes, typical steppes, meadow steppes and alpine steppes. Light grazing was the best management practice for desert steppes (< 2 sheep ha −1 ) and typical steppes (3 to 4 sheep ha −1 ), whereas medium grazing pressure was optimal for meadow steppes (5 to 6 sheep ha −1 ) and alpine steppes (7 to 8 sheep ha −1 ) leading to the highest ecosystem C stocks under grazing. Plant biomass (desert steppes) and soil C stocks (meadow steppes) increased under light or medium grazing, confirming the ‘ intermediate disturbance hypothesis ’. Heavy grazing decreased all C stocks regardless of grassland ecosystem types, approximately 1.4 Mg ha −1 per year for the whole ecosystem. The regrowth and regeneration of grasslands in response to grazing intensity (i.e., grazing optimization ) depended on grassland types and grazing duration. In conclusion, grassland grazing is a double-edged sword. On the one hand, proper management (light or medium grazing) can maintain and even increase C stocks above- and belowground, and increase the harvested livestock products from grasslands. On the other hand, human-induced overgrazing can lead to rapid degradation of vegetation and soils, resulting in significant carbon loss and requiring long-term recovery. Grazing regimes (i.e., intensity and duration applied) must consider specific grassland characteristics to ensure stable productivity rates and optimal impacts on ecosystem C stocks. Graphical Abstract
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.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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 découle