MétaCan
Menu
Retour à la cohorte
Enregistrement W2007738061 · doi:10.1046/j.1461-0248.2001.00243.x

An alternative explanation for the post‐disturbance NO<sub>3</sub><sup>–</sup> flush in some forest ecosystems

2001· article· en· W2007738061 sur OpenAlexaff
Robert L. Bradley

Notice bibliographique

RevueEcology Letters · 2001
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésNitrificationAutotrophHeterotrophAssimilation (phonology)Primary productionEcologyEnvironmental scienceEcosystemForest floorEnvironmental chemistryForest ecologyChemistryAnimal scienceBiologyNitrogen

Résumé

récupéré en direct d'OpenAlex

The appearance of soil NO3– after forest disturbance is commonly ascribed to a higher availability of NH4+ to autotrophic nitrifiers, or to a reduction in available‐C resulting in lower microbial assimilation of NO3–. Alternatively, it has been proposed that increasing NH4+ pools following disturbance could increase net nitrification by reducing microbial assimilation of NO3–. Forest floor material was collected from shelterwood harvest plots which displayed both low available‐C and low NH4+ pools, and where previous experiments had suggested the prevalence of heterotrophic nitrification. Subsamples were amended with incremental rates of glucose‐C or NH4+, and gross NO3– transformation rates were measured by isotope dilution. Glucose‐C additions had little effect on the net difference between gross NO3– production and consumption rates. On the other hand, NH4+ additions caused gross NO3– consumption processes to decrease sharply, while gross NO3– production processes remained constant. The results suggest that NH4+ can have an immediate positive effect on net nitrification rates by suppressing NO3– assimilation and uptake systems.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,010
Tête enseignante GPT0,209
Écart entre enseignants0,198 · 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

Citations50
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcology LettersMême sujetSoil Carbon and Nitrogen DynamicsTravaux en français237 207