Reviews and syntheses: Greenhouse gas emissions from drained organic forest soils – synthesizing data for site-specific emission factors for boreal and cool temperate regions
Notice bibliographique
Résumé
Abstract. We compiled published peer-reviewed CO2, CH4, and N2O data on managed drained organic forest soils in boreal and temperate zones to revisit the current Tier 1 default emission factors (EFs) provided in the IPCC (2014) Wetlands Supplement: to see whether their uncertainty may be reduced; to evaluate possibilities for breaking the broad categories used for the IPCC EFs into more site-type-specific ones; and to inspect the potential relevance of a number of environmental variables for predicting the annual soil greenhouse gas (GHG) balances, on which the EFs are based. Despite a considerable number of publications applicable for compiling EFs being added, only modest changes were found compared to the Tier 1 default EFs. However, the more specific site type categories generated in this study showed narrower confidence intervals compared to the default categories. Overall, the highest CO2 EFs were found for temperate afforested agricultural lands and boreal forestry-drained sites with very low tree stand productivity. The highest CH4 EFs in turn prevailed in boreal nutrient-poor forests with very low tree stand productivity and temperate forests irrespective of nutrient status, while the EFs for afforested sites were low or showed a sink function. The highest N2O EFs were found for afforested agricultural lands and forestry-drained nutrient-rich sites. The occasional wide confidence intervals could be mainly explained by single or a few highly deviating estimates rather than the broadness of the categories applied. Our EFs for the novel categories were further supported by the statistical models connecting the annual soil GHG balances to site-specific soil nutrient status indicators, tree stand characteristics, and temperature-associated weather and climate variables. The results of this synthesis have important implications for EF revisions and national emission reporting, e.g. by the use of different categories for afforested sites and forestry-drained sites, and more specific site productivity categories based on timber production potential.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».