Coarse woody debris dynamics in a secondary Atlantic Forest fragment in Brazil
Notice bibliographique
Résumé
The Atlantic Forest fragments have suffered from the impacts of climate change, resulting in the increased production of coarse woody debris (CWD), which needs to be evaluated in space and time to generate accurate estimates of carbon accumulation. Thus, the goals of this study were (i) to quantify the CWD volume, necromass, carbon stock, and annual increment of carbon (AIcarb) over a period of 4 years; and (ii) to select the optimal combination of climatic, topographic, edaphic, and intrinsic forest variables to accurately predict AIcarb using machine learning and multivariate analysis. The CWD volume, necromass, and carbon stock increased between 2017 and 2020. The AIcarb was 1.09 MgC ha−1 year−1 (2017–2018), 1.24 MgC ha−1 year−1 (2018–2019), and 2.31 MgC ha−1 year−1 (2019–2020). Statistical analysis indicated that climate variables had greater weight in the CWD carbon increment in the 2018–2019 and 2019–2020 periods, while edaphic, topographical, and intrinsic forest variables were more important for the 2017–2018 period. Our findings showed that the carbon increase in CWD was linked to temporal and spatial variables within forests. These results demonstrate the importance of this parameter in the carbon cycle of forest ecosystems and highlight that there should be greater international research efforts to quantify this carbon pool.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».