Predicting carbon storage in North American maritime boreal forests under combined disturbances
Notice bibliographique
Résumé
Understanding how forest disturbances, such as fire and herbivory, affect carbon storage across the landscape can help inform forest management and disturbance mitigation. However, this is made difficult by uncertainties in carbon predictions and limited records of disturbance histories. Our objectives were to predict carbon stocks and predict where disturbances have created open forest patches across the study areas, and to assess the relative effects of disturbances and subsequent moose herbivory on carbon stocks. We used field measurements of carbon stocks and disturbances from a two-year field study on the island of Newfoundland, Canada, along with remotely sensed environmental variables (e.g., stand height, elevation), to predict spatial patterns in carbon stocks as well as predict where disturbances have created open forest across Gros Morne and Terra Nova National Parks. We found that the remotely sensed variables of forest height and productivity were the most informative predictor variables for both carbon stocks and whether an area was an open forest. Our models predict less carbon in areas classified as open forest relative to areas classified as mature forest. Further, we observed that moose herbivory may impede the recovery of carbon stocks in open forests after disturbances, leading to a reduction in carbon storage of up to 13 megatonnes, or 40% of carbon predicted to be stored across the two national parks. Overall, we find there is potential to increase or maintain carbon storage in maritime boreal forests by limiting moose herbivory in areas regenerating following disturbance. This work adds to our understanding of drivers of forest carbon storage and can help inform boreal forest management to optimize carbon storage.
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 | 0,001 |
| 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 ».