Fine resolution map of top- and subsoil carbon sequestration potential in France
Notice bibliographique
Résumé
Although soils have a high potential to offset CO2 emissions through its conversion into soil organic carbon (SOC) with long turnover time, it is widely accepted that there is an upper limit of soil stable C storage, which is referred to SOC saturation. In this study we estimate SOC saturation in French topsoil (0–30 cm) and subsoil (30–50 cm), using the Hassink equation and calculate the additional SOC sequestration potential (SOCsp) by the difference between SOC saturation and fine fraction C on an unbiased sampling set of sites covering whole mainland France. We then map with fine resolution the geographical distribution of SOCsp over the French territory using a regression Kriging approach with environmental covariates. Results show that the controlling factors of SOCsp differ from topsoil and subsoil. The main controlling factor of SOCsp in topsoils is land use. Nearly half of forest topsoils are over-saturated with a SOCsp close to 0 (mean and standard error at 0.19 ± 0.12) whereas cropland, vineyard and orchard soils are largely unsaturated with degrees of C saturation deficit at 36.45 ± 0.68% and 57.10 ± 1.64%, respectively. The determinant of C sequestration potential in subsoils is related to parent material. There is a large additional SOCsp in subsoil for all land uses with degrees of C saturation deficit between 48.52 ± 4.83% and 68.68 ± 0.42%. Overall the SOCsp for French soils appears to be very large (1008 Mt C for topsoil and 1360 Mt C for subsoil) when compared to previous total SOC stocks estimates of about 3.5 Gt in French topsoil. Our results also show that overall, 176 Mt C exceed C saturation in French topsoil and might thus be very sensitive to land use change.
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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».