MétaCan
Menu
Retour à la cohorte
Enregistrement W4386793972 · doi:10.1016/j.xinn.2023.100515

China’s current forest age structure will lead to weakened carbon sinks in the near future

2023· article· en· W4386793972 sur OpenAlexaff
Rong Shang, Jing M. Chen, Mingzhu Xu, Xudong Lin, Li Peng, Guirui Yu, Nianpeng He, Xu Li, Peng Gong, Liangyun Liu, Han Liu, Wenzhe Jiao

Notice bibliographique

RevueThe Innovation · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePlant Water Relations and Carbon Dynamics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesFujian Normal UniversityNatural Science Foundation of Fujian ProvinceNational Natural Science Foundation of China
Mots-clésCarbon sinkEnvironmental scienceSink (geography)AfforestationCarbon cycleClimate changeChinaGreenhouse gasForest inventoryForest managementCarbon sequestrationCarbon fibersPrimary productionAgroforestryGeographyEcologyEcosystemCarbon dioxide

Résumé

récupéré en direct d'OpenAlex

concentrations in the atmosphere and alleviates climate change. Current predictions of terrestrial carbon sinks in the future have so far ignored the variation of forest carbon uptake with forest age. Here, we predict the role of China's current forest age in future carbon sink capacity by generating a high-resolution (30 m) forest age map in 2019 over China's landmass using satellite and forest inventory data and deriving forest growth curves using measurements of forest biomass and age in 3,121 plots. As China's forests currently have large proportions of young and middle-age stands, we project that China's forests will maintain high growth rates for about 15 years. However, as the forests grow older, their net primary productivity will decline by 5.0% ± 1.4% in 2050, 8.4% ± 1.6% in 2060, and 16.6% ± 2.8% in 2100, indicating weakened carbon sinks in the near future. The weakening of forest carbon sinks can be potentially mitigated by optimizing forest age structure through selective logging and implementing new or improved afforestation. This finding is important not only for the global carbon cycle and climate projections but also for developing forest management strategies to enhance land sinks by alleviating the age effect.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,229
Écart entre enseignants0,219 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations126
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe InnovationMême sujetPlant Water Relations and Carbon DynamicsTravaux en français237 207