Summer litter decomposition is moderated by scale‐dependent microenvironmental variation in tundra ecosystems
Notice bibliographique
Résumé
Tundra soils are one of the world's largest organic carbon stores, yet this carbon is vulnerable to accelerated decomposition as climate warming progresses. The landscape‐scale controls of litter decomposition are poorly understood in tundra ecosystems, which hinders our understanding of the global carbon cycle. We examined the extent to which the thermal sum of surface air temperature, soil moisture and permafrost thaw depth influenced litter mass loss and decomposition rates ( k ), and at which spatial thresholds an environmental variable becomes a reliable predictor of decomposition, using the Tea Bag Index protocol across a heterogeneous tundra landscape on Qikiqtaruk–Herschel Island, Yukon, Canada. We found greater green tea litter mass loss and faster decomposition rates ( k ) in wetter areas within the landscape, and to a lesser extent in areas with deeper permafrost active layer thickness and higher surface thermal sums. We also found higher decomposition rates ( k ) on north‐facing relative to south‐facing aspects at microsites that were wetter rather than warmer. Spatially heterogeneous belowground conditions (soil moisture and active layer depth) explained variation in decomposition metrics at local scales (< 50 m 2 ) better than thermal sum. Surprisingly, there was no strong control of elevation or slope on litter decomposition. Our results reveal that there is considerable scale dependency in the environmental controls of tundra litter decomposition, with moisture playing a greater role than the thermal sum at < 50 m 2 scales. Our findings highlight the importance and complexity of microenvironmental controls on litter decomposition in estimates of carbon cycling in a rapidly warming tundra biome.
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 | 0,000 |
| 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) | 0,011 | 0,005 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».