MétaCan
Menu
Retour à la cohorte
Enregistrement W4401951440 · doi:10.1016/j.crsus.2024.100179

Future soil organic carbon stocks in China under climate change

2024· article· en· W4401951440 sur OpenAlexaff
Jianzhao Wu, Shirong Liu, Changhui Peng, Yiqi Luo, César Terrer, Chao Yue, Shouzhang Peng, Jiwei Li, Bing Wang, Zhouping Shangguan, Lei Deng

Notice bibliographique

RevueCell Reports Sustainability · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesFundamental Research Funds for Central Universities of the Central South UniversityNational University's Basic Research Foundation of ChinaFundamental Research Funds for the Central UniversitiesChinese Academy of SciencesNational Natural Science Foundation of China
Mots-clésSoil carbonClimate changeEnvironmental scienceChinaCarbon fibersCarbon stockEarth scienceAgroforestryPhysical geographyNatural resource economicsSoil scienceGeographySoil waterGeologyEconomicsOceanographyMaterials science

Résumé

récupéré en direct d'OpenAlex

Quantifying soil organic carbon (SOC) is crucial for China's carbon neutrality goals, yet uncertainties exist due to future climate change. We compiled a comprehensive SOC database for China circa 2010 and utilized digital soil mapping methods to estimate SOC. Using a climate data-driven model, we projected SOC changes from 2021 to 2100 under different shared socioeconomic pathways (SSPs). The top 100 cm SOC is predicted to store 81.99 ± 1.90 to 88.92 ± 1.24 Pg C, with 37.8% to 41.7% in the top 20 cm. Under the SSP119 scenario, the top 100 cm SOC would increase by 11.5 ± 5.3 Tg C year − 1 , contributing to 2.7% ± 1.6% of the carbon sink in China's terrestrial ecosystems over the same period. However, the top 100 cm SOC would transition into a carbon source under SSP245 and SSP585, despite geographical and provincial differences. Maps reveal SOC loss hotspots under SSP245 and SSP585, indicating priority regions for soil carbon conservation efforts.

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)0,001
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 enseignants0,095
Score d'incertitude au seuil0,188

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,008
Tête enseignante GPT0,219
Écart entre enseignants0,211 · 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

Citations28
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCell Reports SustainabilityMême sujetSoil Carbon and Nitrogen DynamicsTravaux en français237 207