Variation in carbon and nitrogen concentration among major woody tissue types in temperate trees
Notice bibliographique
Résumé
Quantifying variation in the wood chemical traits of trees is critical for parameterizing forest biogeochemical budgets and models. Available data on wood chemical traits are based largely on samples taken from main stems; few studies have evaluated how wood chemical traits vary among major woody tissue types. We examined variation in wood carbon (C) and nitrogen (N) concentrations in 17 temperate tree species across five woody tissue types: sapwood, heartwood, small branches, coarse roots, and bark; analyses were corrected for losses of volatile C. Both C and N varied significantly among tissue types, but differences were driven mainly by high C and N in bark, a pattern observed for nearly all species. Among nonbark tissue types, bivariate correlations among sapwood, heartwood, small branches, and coarse roots were highly significant and positive for wood C (r = 0.88–0.98) and N (r = 0.66–0.95) concentrations. We suggest that intraspecific variation in C across tissue types is less important than interspecific variation for assessment and modeling of forest-level C dynamics. In contrast, differences in N among tissue types were larger and appeared to be more important to incorporate into forest-level nutrient assessments and models. Our results suggest that, with the exception of bark, wood chemical trait values derived from stemwood can be used to accurately represent whole-tree trait values in models of forest C and N stocks and fluxes, at least for temperate species.
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 | 0,002 | 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 ».