Biometeorological feedbacks on peatlands: Raising the water table to reduce meteorologically-related stress on cattle
Notice bibliographique
Résumé
Peatland restoration is an important mitigation action in the fight against climate change. Researchers encourage farmers to rewet deep-drained lands on organic soil to a shallow water table depth (WTD) to reduce carbon emissions. Raising WTD under grasslands will likely affect local air temperature (TA) and increase relative humidity (RH), with uncertain consequences during heat waves on cattle welfare. We used WTD, TA and RH data (both measured between 1.25 and 2 m above ground) from 22 peatland sites globally to evaluate peatlands’ overall Temperature Humidity Index (THI), an indicator correlated to cattle welfare used in dairy farms (THI>68 increases heart rate, breathing rate and reduces milk yield). We compared them with THI at state weather stations located on neighbouring lands with short grass on non-organic soil, and assessed the impact of WTD. At most sites, peatlands with shallow WTD had lower TA, higher RH, and an overall lower THI than surrounding lands, compared to those with deep WTD. In most cases, THI decreased with increasing WTD, especially at night in the temperate region, except for coastal peatlands. Shallow and submerged sites had 20 % less hours with stressful meteorologic conditions (high THI) than surrounding areas. In contrast, the number of hours with high THI did not change significantly on peatlands with WTD under 20 cm below ground level compared to control sites. Our results confirm the influence of WTD on local temperature and THI, and suggest that raising WTD on drained peatlands will slightly improve cattle welfare with reduced THI during heat waves, but also acknowledge that local geographic characteristics add complexity to this relationship. Our research indicates that raising WTD to ground level in sections of grasslands could provide “heat wave shelters” and increase cattle resilience to climate change while contributing to the global reduction of carbon emissions.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 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) | 0,001 | 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 ».