Notice bibliographique
Résumé
Abstract. Litter decomposition is a vital part of the carbon cycle and is thoroughly studied both in the field and with models. Although temporally and spatially limited, litterbag decomposition experiments are often used to calibrate and evaluate soil models intended for use on large scales, coupled to a land model. We used the microbially explicit soil decomposition model MIMICS+ to replicate two high-latitude litterbag decomposition experiments of different spatial and temporal scales. We investigated how well the model represented observed mass loss in terms of the controlling factors climate and litter quality and their relative importance with time. In addition to default model forcing, we used measured and site-specific model-derived microclimatic variables (soil moisture and temperature), hypothesizing that this would improve model results. We found that MIMICS+ represented mass loss after three and six years well across a climatic gradient of Canadian sites, but had more variable results for one-year mass loss across a climate grid in Southern Norway. In terms of litter quality, the litter metabolic fraction was more influential on modeled mass loss than the carbon-to-nitrogen ratio of the litter. Using alternative microclimate sources led to up to 25 % more mass remaining and down to 20 % less mass remaining compared to the simulations using default model input. None of the input alternatives significantly improved results compared to using the default model setup. We discuss possible causes for our findings and suggest measures to better utilize short-term field experiments to inform microbially explicit decomposition models.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,017 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,575 | 0,428 |
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 ».