Dissolved organic carbon and dissolved organic nitrogen export from forested watersheds in Nova Scotia: Identifying controlling factors
Notice bibliographique
Résumé
Riverine nutrient export represents a transfer of terrestrial nutrients to lakes, estuaries and the near‐coastal zone. In this study, we constructed regional predictive models for riverine dissolved organic carbon (DOC) and organic nitrogen (DON) exports. We used a subset of 10 watersheds to construct regional empirical models of DOC and DON export, reserving two watersheds for testing the predictive ability of each model. For the subset of 10 watersheds, mean watershed soil column C:N ratio explained 75% of the variance in DOC export and 73% of the variance in DON export (p < 0.01). Organic C:N explained 63% and 71% of the variance in DOC and DON exports, respectively. There was a stronger relationship between riverine DOC:DON ratio and mineral soil C:N (R 2 = 0.77 p < 0.001) than with organic C:N (R 2 = 0.49 p < 0.05), suggesting that de‐coupling of DOC and DON dynamics in rivers may occur when hydrologic flow paths favor organic layers. We suggest that mean watershed soil C:N ratio is likely to be an integrator of several controls on riverine DOC export including temperature and precipitation (climatic control), soil texture and nutrient status (edaphic control), vegetative species and their associated micro‐flora (biological control) and watershed topography (topographical control). Soil C:N appears to be a useful tool for predicting variability in both DOC and DON flux at a regional scale.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 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 ».