MétaCan
Menu
← Retour à la cohorte
Enregistrement W7106301645 · doi:10.5683/sp3/ziwlfp

Permanent land use and microbial contributions shape soil carbon stabilization in lake floodplains

2025· dataset· W7106301645 sur OpenAlexaffabout

Notice bibliographique

RevueBorealis · 2025
Typedataset
Langue
Domaine
Thématique
Établissements canadiensAgriculture and Agri-Food CanadaUniversité du Québec à MontréalNatural Resources CanadaUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésFloodplainTopsoilSoil carbonLand useEcosystemVegetation (pathology)Hydrology (agriculture)Swamp

Résumé

récupéré en direct d'OpenAlex

The study was conducted in the floodplain of Lake Saint-Pierre (LSP), Québec, Canada (46,12°N, 72,49°W, alt. 6.2 m a.s.l). We examined how SOC storage and stabilization vary in the floodplain of Lake Saint-Pierre, along an anthropogenic disturbance gradient of six land uses: conventional and improved croplands, temporary and permanent meadows, marshes, and forested swamps. In all 6 land uses, we quantified SOC stocks, mineral-associated organic matter - C (MAOM-C), particulate organic matter - C (POM-C), soil δ13C and sugars. Land use effects on SOC storage and stabilization were most pronounced in the topsoil (0-10 cm), with forested swamps showing the highest vegetation biomass, SOC, and MAOM-C. According to sugar analyses, microbe-derived inputs were more abundant in MAOM, which is more stable than POM, whereas plant-derived C dominated the latter. Soil C pools increased with decreasing disturbance, with a tipping point occurring in the transition from temporary to permanent meadows. Our results highlight the importance of conserving permanent and low-disturbance land uses to promote SOC accumulation in floodplain ecosystems and emphasize the central role of microbial metabolism in SOC stabilization processes.

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)0,001
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: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,839
Score d'incertitude au seuil0,323

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,013
Tête enseignante GPT0,255
Écart entre enseignants0,242 · 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
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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBorealis→Travaux en français237 207→