MétaCan
Menu
← Retour à la cohorte
Enregistrement W6929735786 · doi:10.5061/dryad.pg4f4qrr5

Limited increases in savanna carbon stocks over decades of fire suppression

2021· dataset· en· W6929735786 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2021
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensKruger (Canada)
Organismes subventionnairesnon disponible
Mots-clésAfforestationCarbon sequestrationBiomass (ecology)Carbon fibersBiodiversityFire protectionLand coverCarbon cyclePrimary productionFire regime

Résumé

récupéré en direct d'OpenAlex

Savannas cover a fifth of the land surface and contribute a third of terrestrial net primary production, accounting for three quarters of global area burned and over half of global fire-driven carbon emissions. Fire suppression and afforestation have been proposed as tools to increase carbon sequestration in these ecosystems. A robust quantification of whole-ecosystem carbon storage in savannas is lacking, however, especially under altered fire regimes. Here, we provide the first direct estimates of whole-ecosystem carbon response to over 60 years of fire exclusion in a mesic African savanna. We found that fire suppression increased whole-ecosystem carbon storage by only 35.4 ± 12% (mean ± standard error), even though tree cover increased by 78.9 ± 29.3%, corresponding to total gains of 23.0 ± 6.1 Mg C ha-1 at an average ~0.35 ± 0.09 Mg C ha-1 yr-1, more than an order of magnitude lower than previously assumed. Frequently burned savannas had substantial belowground carbon, especially in biomass and deep soils. These belowground reservoirs are not fully considered in afforestation or fire suppression schemes but may mean that the decadal sequestration potential of savannas is negligible, especially weighed against concomitant losses of biodiversity and function.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0190,012

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 Opus0,032
Tête enseignante GPT0,270
Écart entre enseignants0,238 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Travaux en français237 207→