MétaCan
Menu
Retour à la cohorte
Enregistrement W4416219404 · doi:10.1134/s1064229325602458

Stocks of “Blue Carbon” in Soils of Coastal Ecosystems of High-Latitude Seas of the Northern Hemisphere

2025· article· en· W4416219404 sur OpenAlexaboutno aff
I. E. Bagdasarov, A. A. Bobrik, Georgii Kazhukalo, N. V. Oreshnikova, Pavel Krasilnikov

Notice bibliographique

RevueEurasian Soil Science · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSoil waterSeagrassEcosystemMarshBlue carbonHydrology (agriculture)Soil carbonSalt marshCarbon cycle

Résumé

récupéré en direct d'OpenAlex

The article presents a review of data from Russian and foreign sources, as well as of our own research, concerning carbon stocks in soils of coastal zone ecosystems: marshes and seagrass meadows of the USA, Canada, Great Britain, continental Europe, Scandinavia and Greenland, as well as Russia. These soils are formed under conditions of amphibious water regime and are mainly classified as Tidalic Fluvisols. The mean values of carbon stock were 34.3 ± 21.5 t/ha in the 0–10 cm layer of marsh soils, and 7.8 ± 6.5 t/ha in the aquatic soils of seagrass meadows. Carbon stocks in soils, as a rule, directly depend on the productivity of phytocenosis. Carbon stock was shown to be positively dependent on seawater temperature. It is also shown that with increasing salinity of water, carbon stocks in the soils of marshes decrease, while in seagrass meadows they increase. On the shore, carbon stocks are maximum in soils of the rarely flooded high marsh. In the mineral soils of the marshes, carbon stocks are higher in heavy-textured soils than in coarse-textured soils. High carbon stocks in loamy–sandy and sandy soils are commonly found in the soils of sea meadows. The results of the study can be used to assess the impact of coastal ecosystems on the content, dynamics, potential for carbon absorption, and climate change, and serve as a basis for measures designed to protect and sustainably use coastal landscapes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,224
Écart entre enseignants0,212 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEurasian Soil ScienceMême sujetClimate change and permafrostTravaux en français237 207