MétaCan
Menu
← Retour à la cohorte
Enregistrement W4416793103 · doi:10.7868/s3034561825120057

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

2025· article· en· W4416793103 sur OpenAlexaboutno aff
I. E. Bagdasarov

Notice bibliographique

RevueПочвоведение / Eurasian Soil Science · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePeatlands and Wetlands Ecology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSoil waterEcosystemSalt marshMarshCarbon sinkSoil carbonHydrology (agriculture)Total organic carbon

Résumé

récupéré en direct d'OpenAlex

The article presents a review of data from Russian and foreign sources, as well as our own research, concerning carbon stocks in soils of coastal zone ecosystems: marshes and seagrasses 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 in the 0–10 cm layer of marsh soils were 34.3 ± 21.5 t/ha, and the aquatic soils of marine meadows were 7.8 ± 6.5 t/ha. As a rule, carbon reserves in soils directly depend on the productivity of phytocenosis. A positive dependence of carbon stock on seawater temperature has been established. It is shown that with increasing salinity of water, carbon reserves in the soils of marshes decrease, while in marine meadows they increase. On the shores, carbon reserves are maximal in the soils of the rarely flooded high marsh. In the mineral soils of the marshes, higher carbon reserves are observed in heavy-textured soils than in less clayey soils. High carbon reserves in sandy–sandy loam soils are commonly found in the soils of marine meadows. The results of the study can be used to assess the impact of coastal ecosystems on the content, dynamics and potential for carbon absorption, climate change, and serve as a basis for developing measures for the protection and rational use of natural resources in 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 enseignants0,014
Score d'incertitude au seuil0,028

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 savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,007
Tête enseignante GPT0,226
Écart entre enseignants0,220 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueПочвоведение / Eurasian Soil Science→Même sujetPeatlands and Wetlands Ecology→Travaux en français237 207→