MétaCan
Menu
Retour à la cohorte
Enregistrement W4392157438 · doi:10.1029/2023jg007638

Permafrost Carbon: Progress on Understanding Stocks and Fluxes Across Northern Terrestrial Ecosystems

2024· article· en· W4392157438 sur OpenAlexaffabout
Claire C. Treat, Anna‐Maria Virkkala, Eleanor Burke, Lori Bruhwiler, Abhishek Chatterjee, Joshua B. Fisher, Josh Hashemi, Frans‐Jan W. Parmentier, Brendan M. Rogers, Sebastian Westermann, Jennifer D. Watts, Elena Blanc‐Betes, Matthias Fuchs, Stefan Kruse, Avni Malhotra, Kimberley Miner, Jens Strauß, Amanda Armstrong, Howard E. Epstein, Bradley Gay, Mathias Goeckede, Aram Kalhori, Dan Kou, Charles E. Miller, Susan M. Natali, Youmi Oh, Sarah Shakil, Oliver Sonnentag, R. K. Varner, Scott Zolkos, Edward A. G. Schuur, Gustaf Hugelius

Notice bibliographique

RevueJournal of Geophysical Research Biogeosciences · 2024
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensUniversité de MontréalUniversity of Alberta
Organismes subventionnairesHORIZON EUROPE Framework ProgrammeJet Propulsion LaboratoryOffice of ScienceInternational Permafrost AssociationDepartment for Environment, Food and Rural Affairs, UK GovernmentNational Science FoundationEuropean Space AgencyNational Aeronautics and Space AdministrationU.S. Department of EnergyCalifornia Institute of TechnologySchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungMet OfficeEuropean Research CouncilGordon and Betty Moore FoundationVetenskapsrådet
Mots-clésPermafrostTundraEnvironmental scienceWetlandCarbon cycleThermokarstSoil carbonArcticCarbon sinkTerrestrial ecosystemEcosystemVegetation (pathology)MethanePhysical geographyAtmospheric sciencesGreenhouse gasEcologySoil scienceGeologySoil waterGeographyOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract Significant progress in permafrost carbon science made over the past decades include the identification of vast permafrost carbon stocks, the development of new pan‐Arctic permafrost maps, an increase in terrestrial measurement sites for CO2 and methane fluxes, and important factors affecting carbon cycling, including vegetation changes, periods of soil freezing and thawing, wildfire, and other disturbance events. Process‐based modeling studies now include key elements of permafrost carbon cycling and advances in statistical modeling and inverse modeling enhance understanding of permafrost region C budgets. By combining existing data syntheses and model outputs, the permafrost region is likely a wetland methane source and small terrestrial ecosystem CO2 sink with lower net CO2 uptake toward higher latitudes, excluding wildfire emissions. For 2002–2014, the strongest CO2 sink was located in western Canada (median: −52 g C m−2 y−1) and smallest sinks in Alaska, Canadian tundra, and Siberian tundra (medians: −5 to −9 g C m−2 y−1). Eurasian regions had the largest median wetland methane fluxes (16–18 g CH4 m−2 y−1). Quantifying the regional scale carbon balance remains challenging because of high spatial and temporal variability and relatively low density of observations. More accurate permafrost region carbon fluxes require: (a) the development of better maps characterizing wetlands and dynamics of vegetation and disturbances, including abrupt permafrost thaw; (b) the establishment of new year‐round CO2 and methane flux sites in underrepresented areas; and (c) improved models that better represent important permafrost carbon cycle dynamics, including non‐growing season emissions and disturbance effects.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,087

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,005
Études des sciences et des technologies0,0000,000
Communication savante0,0010,003
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,137
Tête enseignante GPT0,367
Écart entre enseignants0,230 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations54
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research BiogeosciencesMême sujetClimate change and permafrostTravaux en français237 207