Characteristics of Soil Profile Greenhouse Gas Concentrations and Fluxes of Alpine Grassland as Affected by Livestock Grazing
Notice bibliographique
Résumé
Previous research has investigated the effects of different grazing intensities on soil surface greenhouse gas (GHG) emissions, whereas the dynamics of GHG production and consumption within the soil profile and their responses to different grazing intensities remain unclear. In this study, a field experiment was conducted in 2017 and 2018 to evaluate the influences of three grazing intensities (none, light, heavy) on both soil surface and subsurface (0–60 cm) GHG fluxes estimated using chamber-based and concentration gradient-based methods, respectively. Results showed that soil at lower depths (30–60 cm) had higher carbon dioxide (CO2) concentrations but lower methane (CH4) concentrations. In contrast, soil profile nitrous oxide (N2O) concentration did not vary with depth, possibly resulting from the relatively low soil moisture in the semiarid grassland, which increased air diffusivity across the soil profile. Grassland soil acted as a source of N2O and CO2 production but as a sink for CH4 uptake, which mainly attributed to the topsoil (0–5 cm for N2O, and 0–15 cm for CO2 and CH4). The estimated soil surface GHG flux rates based on the concentration gradient method did not align well with those directly measured using the chamber method. Furthermore, the cumulative N2O flux over the study period was significantly higher for the concentration gradient method than the chamber method, whereas a contrary result was observed for CO2 emission and CH4 uptake. This study confirms that the grassland soil serves as an important source of CO2 and N2O emissions and a weak sink for CH4 consumption, playing a crucial role in the annual carbon budget of livestock-grazed grassland ecosystems.
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 ».