MétaCan
Menu
Retour à la cohorte
Enregistrement W1858202623 · doi:10.1111/geb.12382

Human impacts and aridity differentially alter soil<scp>N</scp>availability in drylands worldwide

2015· article· en· W1858202623 sur OpenAlexaff
Manuel Delgado‐Baquerizo, Fernando T. Maestre, Antonio Gallardo, David J. Eldridge, Santiago Soliveres, Matthew A. Bowker, Ana Prado‐Comesaña, Juan Gaitán, José L. Quero, Victoria Ochoa, Beatriz Gozalo, Miguel García‐Gómez, Pablo García‐Palacios, Miguel Berdugo, Enrique Valencia, Cristina Escolar, Tulio Arredondo, Claudia Barraza‐Zepeda, Bertrand Boeken, Donaldo Bran, Omar Cabrera, José A. Carreira, Mohamed Chaïeb, Abel Augusto Conceição, Mchich Derak, Ricardo Daniel Ernst, Carlos Iván Espinosa, Adriana Florentino, Gabriel Gatica, Wahida Ghiloufi, Susana Gómez‐González, Julio R. Gutiérrez, Rosa Mary Hernández, Elisabeth Huber‐Sannwald, Mohammad Jankju, Rebecca L. Mau, Maria N. Miriti, Jorge Monerris, E. Morici, Muchane Muchai, Kamal Naseri, Eduardo Pucheta, Elizabeth Ramírez, David A. Ramírez, Roberto L. Romão, Matthew Tighe, Duilio Torres, Cristian Torres‐Díaz, James Val, José P. Veiga, Deli Wang, Xia Yuan, Eli Zaady

Notice bibliographique

RevueGlobal Ecology and Biogeography · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesEuropean Research CouncilCYTED Ciencia y Tecnología para el DesarrolloWorld Bank Group
Mots-clésAridEcosystemEnvironmental scienceEcologyBiomeAbiotic componentGlobal changeNitrogen cycleTerrestrial ecosystemSoil textureClimate changeGeographySoil waterBiologyNitrogen

Résumé

récupéré en direct d'OpenAlex

Abstract Aims Climate and human impacts are changing the nitrogen (N) inputs and losses in terrestrial ecosystems. However, it is largely unknown how these two major drivers of global change will simultaneously influence theNcycle in drylands, the largest terrestrial biome on the planet. We conducted a global observational study to evaluate how aridity and human impacts, together with biotic and abiotic factors, affect key soil variables of theNcycle. Location Two hundred and twenty‐four dryland sites from all continents exceptAntarctica widely differing in their environmental conditions and human influence. Methods Using a standardized field survey, we measured aridity, human impacts (i.e. proxies of land uses and air pollution), key biophysical variables (i.e. soilpHand texture and total plant cover) and six important variables related toNcycling in soils: totalN, organicN, ammonium, nitrate, dissolved organic:inorganicNandNmineralization rates. We used structural equation modelling to assess the direct and indirect effects of aridity, human impacts and key biophysical variables on theNcycle. Results Human impacts increased the concentration of totalN, while aridity reduced it. The effects of aridity and human impacts on theNcycle were spatially disconnected, which may favour scarcity ofNin the most arid areas and promote its accumulation in the least arid areas. Main conclusions We found that increasing aridity and anthropogenic pressure are spatially disconnected in drylands. This implies that while places with low aridity and high human impact accumulateN, most arid sites with the lowest human impacts loseN. Our analyses also provide evidence that both increasing aridity and human impacts may enhance the relative dominance of inorganicNin dryland soils, having a negative impact on key functions and services provided by these ecosystems.

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)0,000
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,226
Écart entre enseignants0,214 · 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
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations46
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Ecology and BiogeographyMême sujetSoil Carbon and Nitrogen DynamicsTravaux en français237 207