MétaCan
Menu
Retour à la cohorte
Enregistrement W4392768083 · doi:10.1029/2023jg007848

Albedo‐Induced Global Warming Potential Following Disturbances in Global Temperate and Boreal Forests

2024· article· en· W4392768083 sur OpenAlexaff
Qingsong Zhu, Jiquan Chen, Bourque Charles P.‐A., Oliver Sonnentag, Leonardo Montagnani, T. L. O’Halloran, Russell L. Scott, Jeremy Forsythe, Bo Song, Huimin Zou, Meihui Duan, Xianglan Li

Notice bibliographique

RevueJournal of Geophysical Research Biogeosciences · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePlant Water Relations and Carbon Dynamics
Établissements canadiensUniversité du Québec à MontréalUniversité de MontréalUniversity of New Brunswick
Organismes subventionnairesNational Key Research and Development Program of China
Mots-clésAlbedo (alchemy)ChronosequenceEnvironmental scienceTemperate climateBorealTaigaAtmospheric sciencesDisturbance (geology)Global warmingTemperate forestTemperate rainforestEcosystemClimate changeClimatologyPhysical geographyEcologyGeographySoil waterSoil scienceBiologyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Forest disturbances can result in very different canopies that carry elevated albedo, thus causing substantial cooling effects on the climate. Unfortunately, the resulting dynamic global warming potential from altered albedo (GWPΔα) is poorly understood. We examined and modeled the changes in albedo over time after disturbances (i.e., forest age) by forest type, disturbance type and geographic location using direct measurements from 107 sites in temperate and boreal regions. Albedo in undisturbed forests was used as the reference to calculate albedo changes (Δα) and GWPΔα after a disturbance. We found that age is a significant factor for predicting albedo amid the obvious regulations from forest type and geographic locations. We found the strongest cooling GWPΔα in the first 10 years after a disturbance, but it decreased rapidly with time. The changes in GWPΔα were very different from the chronosequence of net ecosystem production (NEP). In the first decade after disturbances, GWPΔα was negative (i.e., cooling) and surprisingly larger in magnitude, with an average of −0.609 kg CO2 m−2 yr−1, compared to NEP of −0.166 kg CO2 m−2 yr−1. Albedo continued to decrease and approached pre‐disturbance levels until around 50 years, resulting in a nearly zero GWPΔα. This research illustrates that many forests in temperate and boreal regions can be considered significant cooling agents by taking into account the high albedo of young forests following disturbances.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,017
Tête enseignante GPT0,315
Écart entre enseignants0,298 · 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'étudeSimulation ou modélisation
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

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research BiogeosciencesMême sujetPlant Water Relations and Carbon DynamicsTravaux en français237 207