Reducing Uncertainties in Estimates of Organic Carbon Sequestration Rates of Temperate Inland Wetland Soils Using Statistical Learning Techniques
Notice bibliographique
Résumé
Wetlands play an integral role as natural climate solutions due to their potential to sequester carbon dioxide (CO₂) from the atmosphere. However, myriad factors influence the spatial heterogeneity of organic carbon (OC) sequestration rates, necessitating techniques to reduce uncertainty in these rates if they are to guide policy decisions to meet national climate action targets. In this study, we combined expert knowledge with statistical learning techniques to derive place-based estimates of OC sequestration rates for wetlands on agricultural landscapes. Expert knowledge revealed complex relationships between process controls and OC sequestration rates, including carbon quantity, carbon quality, bulk density, cation exchange capacity, aggregate reactivity, redox potential, and temperature for wetlands. GIS and remotely sensed data were used as proxies for these process controls, which, along with field-based OC sequestration rates, were input into a statistical learning-based random forest (RF) model. This RF model predicted OC sequestration rates within reasonable error bounds, achieving adjusted coefficient of determination (R²) of 0.93, a mean absolute error of 0.05 Mg ha -1 yr -1 , and a root mean square error of 0.08 Mg ha -1 yr -1 . The variable importance analysis indicated that human impact index, various soil properties, and inundation probability were the most influential variables. Our findings suggest that statistical learning-based models grounded in an understanding of process controls and their interactions can reliably estimate OC sequestration rates, providing essential data to inform policy development and implementation for managing wetlands as natural climate solutions.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».