Évaluation de la contribution des bryophytes aux cycles du carbone et de l’azote dans la forêt boréale canadienne par la modification du modèle CLASSIC
Bibliographic record
Abstract
Le biome boréal est le plus grand biome au monde et comprend des forêts, des zones humides, des régions boisées et des lacs. Une grande partie du Canada et de l’Alaska sont dans le biome boréal. Les forêts boréales nord américaines sont dominées par des peuplements d’épinettes noires, souvent caractérisés par une couverture de mousses au sol. Les hypnacées telles que Pleurozium schreberi et Hylocomium splendens contribuent au cycle de l’azote (N) via la fixation biologique d’azote (FBN). L’apport en N des hypnacées à l’écosystème est non négligeable dans la forêt boréale, qui est limitée en N. Puisque l’N disponible pour les plantes contrôle la productivité primaire brute (PPB ; i.e., l’acquisition de dioxyde de carbone (CO2) des plantes par photosynthèse), les hypnacées influencent indirectement la PPB et donc le cycle du carbone (C) dans la forêt boréale en fournissant celle-ci en N. Malgré l’importance des hypnacées dans les processus des cycles du C et de l’N, les modèles de biosphère terrestre (MBT) - employés pour simuler des quantités physiques et biogéochimiques telles que les flux d’énergie, ainsi que les réservoirs et flux de C et d’N - tiennent rarement compte de la contribution des mousses aux processus biogéochimiques. Le Modèle de schéma canadien de surface terrestre incluant les cycles biogéochimiques (CLASSIC) couple les cycles du C et de l’N, mais le type végétal fonctionnel (TVF) représentant les sphaignes est limité aux écosystèmes des tourbières et n’a pas été implémenté dans la représentation du cycle de l’N du modèle. Afin de quantifier l’impact d’une couverture de mousses au sol sur des simulations de PPB dans les peuplements dominés par les épinettes noires dans la forêt boréale nord américaine, nous avons implémenté un TVF pour les hypnacées dans CLASSIC, et nous avons ajouté des réservoirs et des flux d’N pour les mousses. Nous avons évalué la performance du modèle en comparant les données simulées par quatre configurations de CLASSIC (pas de végétation à la surface du sol vs couverture d’hypnacées au sol ; dans les deux cas avec et sans une représentation explicite du cycle de l’N) à des estimés de PPB dérivés de mesures d’échange écosystémique net grâce à des tours instrumentées pour des mesures de covariance des turbulences à huit peuplements matures d’épinettes noires de la forêt boréale. Pour quantifier l’influence des hypnacées sur la PPB, nous avons produit des simulations dans deux conditions. La première utilise des données météorologiques provenant d’observation à chacun des sites ainsi que des données de déposition atmosphérique d’N préparées pour le trends and drivers of the regional scale terrestrial sources and sinks of carbon dioxide project (TRENDY; simulations "TRENDYbased"). La deuxième englobe des périodes historique et future allant de 1950 à 2100 et utilise des données météorologiques ayant été ajustées en fonction du biais et des données de déposition atmosphérique créées par l’Inter-Sectoral Impact Model Intercomparison Project (ISIMIP) pour deux profils représentatifs d’évolution de concentration (RPC) (simulations "ISIMIP-based"). Nous avons évalué cet ensemble de scénarios pour chaque configuration du modèle à chacun des huit sites. Il existait un fort désaccord entre les données de déposition atmosphérique d'N utilisées dans les simulations TRENDY-based et ISIMIP-based. Dans les simulations présentes TRENDY-based, la présence d’une couverture d’hypnacées au sol augmentait la PPB à tous les sites, à la fois lorsque le cycle de l'N était explicitement représenté et lorsqu’il ne l’était pas. Pour les simulations ISIMIP-based, RCP4.5 et RCP8.5, on retrouvait les plus grandes différences entre la PPB simulée avec et sans une couverture d’hypnacées au sol à trois sites en Alaska (US-Prr, US-BZS, US-Uaf), lorsque le cycle de l’N était explicitement représenté. À ces trois sites, la limitation de la croissance des plantes vasculaires causées par les hypnacées était suffisante pour contrer la contribution additionnelle des hypnacées à la PPB. Les hypnacées peuvent influencer positivement (e.g., augmentation de la PPB par la photosynthèse des mousses) et négativement (e.g., diminution de la PPB des plantes vasculaires en raison de l’entrave à la croissance des plantes vasculaires) la PPB. L’influence d’une couverture d’hypnacées au sol était plus forte dans la configuration de CLASSIC qui simule explicitement le cycle de l’N. Nos résultats suggèrent que l’influence des hypnacées devrait être tenue en compte dans les MBT afin d’améliorer la réponse causée par des changements de conditions (e.g., humidité du sol, déposition d’N atmosphérique) sur les simulations de C par les MBT dans la forêt boréale.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".