Climate benefits of afforestation and reforestation with varying species mixtures and densities in the north-western boreal lands
Notice bibliographique
Résumé
Abstract The boreal forest is a vital carbon sink. Using 250 year simulations for Canada’s Taiga Plains, a priority of the 2 billion trees program, we tested afforestation and reforestation (A/R) strategies that combine species mix, planting density and surface albedo. Medium-density (600–1400 trees ha −1 ) mixed stands with ∼25%–40% deciduous trees stored 15%–30% more net ecosystem carbon than conifer monocultures by coupling rapid early growth with long-term retention and greater disturbance resilience. Replanting under-stocked stands with these mixtures raised long-term storage by 18%–30% over business-as-usual. Accounting for albedo showed pure evergreen or deciduous stands lost 6%–20% of their climate benefit, whereas mixed stands yielded net cooling and the highest sequestration (≈ 4.6–4.7 tCO ₂ e ha −1 yr −1 ). Partial harvesting plus replanting preserved, and sometimes increased, ecosystem carbon (≈ 300–340 tC ha −1 ) and productivity (≈ 1.6–2.0 tC ha −1 yr −1 ) without raising risk. Blending fast-growing deciduous trees with long-lived conifers at intermediate density maximizes boreal A/R climate value and informs reforestation policy elsewhere.
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 | 0,001 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».