MétaCan
Menu
Retour à la cohorte
Enregistrement W4393409182 · doi:10.1016/j.scitotenv.2024.172076

Forest carbon storage and sink estimates under different management scenarios in China from 2020 to 2100

2024· article· en· W4393409182 sur OpenAlexaff
Jianghuan Qin, Pengju Liu, Adam R. Martin, Weifeng Wang, Yuancai Lei, Haikui Li

Notice bibliographique

RevueThe Science of The Total Environment · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensUniversity of TorontoThe Scarborough Hospital
Organismes subventionnairesnon disponible
Mots-clésAfforestationCarbon sinkSink (geography)Carbon sequestrationEnvironmental scienceClimate changeForest managementForest inventoryBiomass (ecology)ChinaCarbon fibersForestryAgroforestryEcologyGeographyCarbon dioxideMathematicsBiology

Résumé

récupéré en direct d'OpenAlex

Forests play a crucial role in mitigating climate change through carbon storage and sequestration, though environmental change drivers and management scenarios are likely to influence these contributions across multiple spatial and temporal scales. In this study, we employed three tree growth models-the Richard, Hossfeld, and Korf models-that account for the biological characteristics of trees, alongside national forest inventory (NFI) datasets from 1994 to 2018, to evaluate the carbon sink potential of existing forests and afforested regions in China from 2020 to 2100, assuming multiple afforestation and forest management scenarios. Our results indicate that the Richard, Hossfeld, and Korf models provided a good fit for 26 types of vegetation biomass in both natural and planted Chinese forests. These models estimate that in 2020, carbon stocks in existing Chinese forests are 7.62 ± 0.05 Pg C, equivalent to an average of 44.32 ± 0.32 Mg C/ ha. Our predictions then indicate this total forest carbon stock is expected to increase to 15.51 ± 0.99 Pg C (or 72.26 ± 4.6 Mg C/ha) in 2060, and further to 19.59 ± 1.36 Pg C (or 91.31 ± 6.33 Mg C/ha) in 2100. We also show that plantation management measures, namely tree species replacement, would increase carbon sinks to 0.09 Pg C/ year (contributing 38.9 %) in 2030 and 0.06 Pg C/ year (contributing 32.4 %) in 2060. Afforestation using tree species with strong carbon sink capacity in existing plantations would further significantly increase carbon sinks from 0.02 Pg C/year (contributing 10.3 %) in 2030 to 0.06 Pg C/year (contributing 28.2 %) in 2060. Our results quantify the role plantation management plays in providing a strong increase in forest carbon sequestration at national scales, pointing to afforestation with native tree species with high carbon sequestration as key in achieving China's 2060 carbon neutrality target.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,917
Score d'incertitude au seuil0,445

Scores Codex et Gemma par catégorie

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 technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,002
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 Opus0,004
Tête enseignante GPT0,190
Écart entre enseignants0,186 · 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 tête enseignante, 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

Citations38
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Science of The Total EnvironmentMême sujetForest ecology and managementTravaux en français237 207