Estimating deep soil water depletion and availability under planted forest on the Loess Plateau, China
Notice bibliographique
Résumé
Deep soil water (DSW) plays a pivotal role in tree growth, susceptibility to drought-induced mortality, and belowground carbon and nutrient cycling. Assessing DSW depletion is essential for evaluating the resilience and sustainability of planted forests. But, due to the poor accessibility of deep soil layers, little is known about large scale DSW depletion. In this study, we leverage the concept that “plants are reliable indicators of deep soil water” to estimate DSW depletion in planted forests within the arid and semi-arid regions of the Chinese Loess Plateau (CLP). Our approach involves establishing a model that correlates forest age with DSW depletion. We then employ this model to estimate DSW depletion across the region, utilizing readily available data on the distribution of forest age and utilize the boundary models to consider the variability of DSW depletion estimated with forest age. Our results indicate that the model effectively estimates DSW depletion in planted CLP forests, demonstrating a strong fit with an R2 of 0.71 and a low root mean square error (RMSE) of 332 mm. Notably, a substantial portion of the planted forest areas on the CLP has experienced DSW depletion from 800 mm to 1600 mm, and totaling 2.41 × 1010 m3 DSW depletion from 1995 to 2020 based on the general model. However, the available DSW in the existing planted forests on the CLP is estimated at only 1.73 × 1010 m3 by 2038. This suggests that there is potential risks and unsustainability for further afforestation efforts and carbon sequestration on the CLP under the current continuous afforestation measures. Our study holds significant implications for sustainable regional ecological management and quantifying water resources for carbon trading through afforestation.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».