Vegetation composition regulates the interaction of warming and nitrogen deposition on net carbon dioxide uptake in a boreal peatland
Notice bibliographique
Résumé
Abstract Peatlands are carbon sinks and have the potential to mitigate global warming. However, it is unclear whether peatlands will remain carbon sinks or switch to carbon sources under global changes, such as climate warming, elevated nitrogen (N) deposition and vegetation composition change. In this study, these global changes were mimicked in a boreal peatland for 7 years to explore the interactions of climate warming, elevated N deposition and vegetation composition on the carbon sink function of peatlands. The results showed that warming has a limited effect on net ecosystem production (NEP), while N addition decreased NEP by 65% owing to the detrimental effect on Sphagnum mosses. The negative impact of N addition on NEP could be mitigated by warming under intact vegetation. Under the treatment of graminoid removal, warming and elevated N addition (WN) decreased NEP by 80%–106%. Under the treatment of shrub removal, 7 years of WN treatment did not affect NEP. These results highlight the importance of vegetation composition in regulating net CO 2 flux in peatlands. If peatlands shift to shrub‐dominated ecosystems, the net CO 2 uptake in peatlands would be decreased under climate warming and elevated N deposition. If peatlands shift to graminoid‐dominated ecosystems, the net CO 2 uptake in peatlands would be unaltered under climate warming and elevated N deposition. This study sheds new light on the interactions of climate warming, elevated N deposition, and vegetation composition change on the CO 2 uptake of peatlands; and could help accurately evaluate the carbon sink function of peatlands under future global change. Read the free Plain Language Summary for this article on the Journal blog.
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) | 0,000 | 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 ».