MétaCan
Menu
Retour à la cohorte
Enregistrement W4398207342 · doi:10.1038/s41467-024-47872-7

Biodiversity loss reduces global terrestrial carbon storage

2024· article· en· W4398207342 sur OpenAlexaff
Sarah R. Weiskopf, Forest Isbell, María Isabel Arce-Plata, Moreno Di Marco, Mike Harfoot, Justin A. Johnson, Susannah B. Lerman, Brian W. Miller, Toni Lyn Morelli, Akira Mori, Ensheng Weng, Simon Ferrier

Notice bibliographique

RevueNature Communications · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePlant Water Relations and Carbon Dynamics
Établissements canadiensUniversité de Montréal
Organismes subventionnairesU.S. Geological SurveyEuropean CommissionNational Science Foundation
Mots-clésBiodiversityCarbon sequestrationClimate changeEnvironmental scienceGreenhouse gasBiomass (ecology)EcosystemClimate change mitigationLand use, land-use change and forestrySustainabilityGlobal changeGlobal warmingSpecies richnessEcologyLand useBiologyCarbon dioxide

Résumé

récupéré en direct d'OpenAlex

Natural ecosystems store large amounts of carbon globally, as organisms absorb carbon from the atmosphere to build large, long-lasting, or slow-decaying structures such as tree bark or root systems. An ecosystem's carbon sequestration potential is tightly linked to its biological diversity. Yet when considering future projections, many carbon sequestration models fail to account for the role biodiversity plays in carbon storage. Here, we assess the consequences of plant biodiversity loss for carbon storage under multiple climate and land-use change scenarios. We link a macroecological model projecting changes in vascular plant richness under different scenarios with empirical data on relationships between biodiversity and biomass. We find that biodiversity declines from climate and land use change could lead to a global loss of between 7.44-103.14 PgC (global sustainability scenario) and 10.87-145.95 PgC (fossil-fueled development scenario). This indicates a self-reinforcing feedback loop, where higher levels of climate change lead to greater biodiversity loss, which in turn leads to greater carbon emissions and ultimately more climate change. Conversely, biodiversity conservation and restoration can help achieve climate change mitigation goals.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,651
Score d'incertitude au seuil0,308

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,012
Tête enseignante GPT0,251
Écart entre enseignants0,239 · 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'étudeSans objet
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

Citations150
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetPlant Water Relations and Carbon DynamicsTravaux en français237 207