Blue Carbon Stocks Along the Pacific Coast of North America Are Mainly Driven by Local Rather Than Regional Factors
Notice bibliographique
Résumé
Abstract Coastal wetlands, including seagrass meadows, emergent marshes, mangroves, and temperate tidal swamps, can efficiently sequester and store large quantities of sediment organic carbon (SOC). However, SOC stocks may vary by ecosystem type and along environmental or climate gradients at different scales. Quantifying such variability is needed to improve blue carbon accounting, conservation effectiveness, and restoration planning. We analyzed SOC stocks in 1,284 sediment cores along >6,500 km of the Pacific coast of North America that included large environmental gradients and multiple ecosystem types. Tidal wetlands with woody vegetation (mangroves and swamps) had the highest mean stocks to 1 m depth (357 and 355 Mg ha −1 , respectively), 45% higher than marshes (245 Mg ha −1 ), and more than 500% higher than seagrass (68 Mg ha −1 ). Unvegetated tideflats, though not often considered a blue carbon ecosystem, had noteworthy stocks (148 Mg ha −1 ). Stocks increased with tidal elevation and with fine (<63 μm) sediment content in several ecosystems. Stocks also varied by dominant plant species within individual ecosystem types. At larger scales, marsh stocks were lowest in the Sonoran Desert region of Mexico, and swamp stocks differed among climate zones; otherwise stocks showed little correlation with ecoregion or latitude. More variability in SOC occurred among ecosystem types, and at smaller spatial scales (such as individual estuaries), than across regional climate gradients. These patterns can inform coastal conservation and restoration priorities across scales where preserving stored carbon and enhancing sequestration helps avert greenhouse gas emissions and maintains other vital ecosystem services.
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 | 0,001 |
| 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 ».