Estimation of the degree of decomposition of peat and past net primary production from mid-infrared spectra
Notice bibliographique
Résumé
Abstract. The degree of decomposition of peat (γ) is useful to understand peatland degradation and peat accumulation, to reconstruct past net primary production (NPP), and to improve peatland models. None of the available decomposition indicators allows to estimate γ with sufficient accuracy. We suggest prediction of γ measured in litterbag experiments from mid-infrared spectra (MIRS) as a novel decomposition indicator, γMIRS, and compute prediction models for γMIRS with available litterbag experiments and litter data from diverse species from the Peatland Mid-Infrared Database. For individual litter samples, the prediction models fit the data well, have reasonable prediction errors (average RMSE between 0.09 and 0.12 g g−1), and neither confound differences in litter chemistry nor differences in silicate contents with decomposition losses. We show that an underestimation of γ by γMIRS matches theoretical expectations; it can therefore be compensated, using plant macrofossil analysis data as a first approximation to mass fractions of peat components and a simple mixing model, or it can be avoided with component-specific measurements instead of bulk measurements. This allows to estimate γ of peat samples and of dominant litter types and therefore also to reconstruct past NPP. To illustrate the approach, we analyze three cores from European mountain bogs and discuss how it can be used to improve process models and support restoration of peatlands. In particular, we test previously suggested relations between the saturated hydraulic conductivity and γ, illustrate how γ measured on individual litter types may allow to use peat cores as natural litterbag experiments, and define reference states for γ and NPP for the three analyzed peat cores. Improvements to reduce prediction errors of the approach require more diverse litterbag data, especially woody species and more decomposed litter. Further improvements can be achieved with measurements of MIRS on individual macrofossil types instead of bulk measurements, and an improved estimation of mass fractions of macrofossil types in peat samples instead of assuming that macrofossil abundances equal macrofossil masses.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».