Interaction between decomposing litter and soil fauna of the<i>Betula ermanii</i>forest floor of the Changbai Mountains, China
Notice bibliographique
Résumé
Soil fauna play a key role in litter decomposition as they influence the litter mass loss rate in terrestrial ecosystems. However, the interaction between decomposing litter and soil fauna has not been adequately addressed. We examine the interaction between different types of decomposing litter and soil fauna on the Betula ermanii Cham. (BE) forest floor of the Changbai Mountains, China, by measuring the mass loss of six litter species groups using litterbags with two sizes of mesh (4 mm and 0.01 mm) during a yearlong experiment. Soil fauna were identified at the order level. We found that soil fauna have a limited effect on litter mass loss at the initial stage of the experiment. Its positive effect became apparent at month 12 of the experiment. After 1 year, soil fauna increased the litter mass loss rate of the high-quality litter of Parasenecio komarovianus (Pojark.) Y.L. Chen (PK) by 7.02% and of the low-quality litter of Rhododendron aureum Georgi (RA) by 25.26%. BE + PK litter was associated with a significantly higher abundance of soil fauna at months 8 and 10 of the experiment and also with a significantly higher richness of soil fauna at month 10 of the experiment. At the end of the experiment, however, the Shannon–Wiener diversity index of soil fauna was not necessarily higher in mixed-species litter. Litter mixing did promote the abundance, richness, and diversity of soil fauna during the warm season in the high-quality litter substrate of BE + PK. Our results illustrate that the impact of soil fauna on the litter mass loss of both single- and mixed-species litterbags ranges from a limited impact to a positive impact as litter mass loss advances. The soil fauna contribute more to the litter mass loss of the low-quality litter with higher C to N ratios than to those with a low C to N ratio. The promoting effect of litter mixing on the soil faunal community composition is only short term and is dependent on substrate quality.
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 | 0,000 | 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 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 ».