Forest stand and soil types determine soil organic carbon storage in the Middle Atlas region of Morocco using machine learning models
Notice bibliographique
Résumé
Forest soils often contain more carbon (C) than living trees, with significant variation in soil organic carbon (SOC) stocks due to stand type and soil characteristics. This study evaluates SOC stocks in the Moroccan Middle Atlas forests using field measurements and machine learning models. Soil profiles across 16 forest types were analysed, identifying soil typology and measuring SOC stocks. Spatial variation in SOC stocks was influenced by stand type and substratum nature, as determined through supervised extrapolation analysis. SOC stocks ranged from 35 t SOC ha-1 on tree-free land to 252 t SOC ha-1 under mixed cedar (Cedrus atlantica) and zeen oak (Quercus canariensis) stands. To enhance estimation accuracy, Random Forest (RF) and Gradient Boosting Machine (GBM) models were tested. The GBM model outperformed the RF model, with an RMSE of 6.97 t C ha-1 and R2 of 0.99, compared to RF’s RMSE of 10.28 t C ha-1 and R2 of 0.44. For better SOC stock assessment in deeper soil layers, a strategy involving more surface soil samples (0–30 cm) combined with numerical modelling of proximal soil properties is recommended.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».