“Land use is reliably predicted by soil burst respiration profiles”
Notice bibliographique
Résumé
Studies examining soil respiration across land uses have been published for over 100 years, but few studies have examined how variability in rates of respiration during a test period could elucidate microbial responses to wet-dry events and connect them to land use. Our study examined the interplay between land uses (LU) and maximum potential soil respiration across Atlantic Canada using partitioned profiles of ‘burst’ respiration measurements. We found that Crop Agriculture respiration peaked in the first 24 h of the incubation, while Forest peaked during the second and third 24 h periods. Pasture respiration was intermediary, peaking in the first two 24 h periods. These specific proportional respiration intervals were crucial in successfully predicting Crop Agriculture, Forest and Pasture LUs using machine learning models, with accuracy equivalent to comprehensive soil physicochemical parameters. Wetland respiration profiles were inconsistent with minimal predictive power, likely due to high variability of mineral and carbon (C) content. While early (24 h) respiration was proportionally largest for managed soils, indicating the impact of management in increasing respiration, absolute total respiration over 72 h was largest for natural soils, indicating their likely larger putative contribution, per unit area, to the atmospheric C pool. This study points to a novel approach for assessing the effect of agricultural and natural management on soils, that recognizes consistent gradients in the functional status of soil C as directly linked to land use and land management.
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 | 0,001 |
| 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 ».