MétaCan
Menu
Retour à la cohorte
Enregistrement W2028901816 · doi:10.1021/es503331y

Carbon Mineralizability Determines Interactive Effects on Mineralization of Pyrogenic Organic Matter and Soil Organic Carbon

2014· article· en· W2028901816 sur OpenAlexfundno aff
Thea Whitman, Zihua Zhu, Johannes Lehmann

Notice bibliographique

RevueEnvironmental Science & Technology · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCornell Atkinson Center for Sustainability, Cornell UniversityDavid R. Atkinson Center for a Sustainable Future , Cornell University
Mots-clésMineralization (soil science)Soil carbonCyclingChemistryEnvironmental chemistrySoil waterNutrientOrganic matterTotal organic carbonSoil organic matterEnvironmental scienceSoil science

Résumé

récupéré en direct d'OpenAlex

Soil organic carbon (SOC) is a critical and active pool in the global C cycle, and the addition of pyrogenic organic matter (PyOM) has been shown to change SOC cycling, increasing or decreasing mineralization rates (often referred to as priming). We adjusted the amount of easily mineralizable C in the soil, through 1-day and 6-month preincubations, and in PyOM made from maple wood at 350 °C, through extraction. We investigated the impact of these adjustments on C mineralization interactions, excluding pH and nutrient effects and minimizing physical effects. We found short-term increases (+20-30%) in SOC mineralization with PyOM additions in the soil preincubated for 6 months. Over the longer term, both the 6-month and 1-day preincubated soils experienced net ∼10% decreases in SOC mineralization with PyOM additions. Additionally, the duration of preincubation affected interactions, indicating that there may be no optimal preincubation time for SOC mineralization studies. We show conclusively that mineralizability of SOC in relation to PyOM-C is an important determinant of the effect of PyOM additions on SOC mineralization.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

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 savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,003
Tête enseignante GPT0,179
Écart entre enseignants0,176 · 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'étudeExpérimental (laboratoire)
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

Citations78
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetSoil Carbon and Nitrogen DynamicsTravaux en français237 207