Species-specific relationships between net primary productivity and forest age for subtropical China
Notice bibliographique
Résumé
Abstract. The relationship between net primary productivity (NPP) and forest age varies among forest species, yet there were no available NPP–age relationships established for various forest species in subtropical China for use in forest carbon modeling. This study explored the NPP–age relationships for seven forest species in subtropical China using field survey data from the Strategic Priority Project of Carbon Budget (SPPCB), National Forest Inventory (NFI) Type I (NFI-I), and Type II (NFI-II) data. Forest species included Pinus massoniana (P. massoniana), Cunninghamia lanceolata (C. lanceolata), Eucalyptus robusta (Eucalyptus), Other Coniferous Forests (OCF), Softwood Broadleaf (SWB), Hardwood Broadleaf excluding Eucalyptus (HWB), and Mixed Forests (MF). Based on these three datasets, we were able to derive subtropical forest species-specific NPP–age relationships using the Semi-Empirical Model (SEM). Implementation of these species-specific relationships in the process-based Integrated Terrestrial Ecosystem Carbon Cycle (InTEC) model markedly improved above-ground biomass (AGB) simulations for subtropical forests relative to simulations driven by the previously published China-wide NPP–age relationships. The greatest improvements were observed for P. massoniana, OCF, Eucalyptus, and SWB, where root-mean-square errors (RMSE) declined by 19.1 %–53.3 %. These species-specific NPP–age relationships therefore provide a robust, spatially explicit basis for forest carbon modeling and management in subtropical China.
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 | 0,001 | 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 | 0,001 | 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 ».