MétaCan
Menu
Retour à la cohorte
Enregistrement W2030919189 · doi:10.1139/x08-147

Do decomposing Scots pine, Norway spruce, and silver birch stems retain nitrogen?

2008· article· en· W2030919189 sur OpenAlexvenueno aff
Marjo Palviainen, Raija Laiho, Harri Mäkinen, Leena Finér

Notice bibliographique

RevueCanadian Journal of Forest Research · 2008
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueForest Ecology and Biodiversity Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScots pinePicea abiesBetula pendulaBetula pubescensTaigaBotanyCoarse woody debrisSnagNitrogenNutrientBetulaceaePinus <genus>Environmental scienceHorticultureChemistryBiologyEcology

Résumé

récupéré en direct d'OpenAlex

The contents of nitrogen (N) have generally been observed to increase in the early stages of decomposition in coarse woody debris and then to decrease slowly. This is potentially an important mechanism of nutrient retention in ecosystems after disturbances. We studied N dynamics in decomposing Scots pine ( Pinus sylvestris L.), Norway spruce ( Picea abies (L.) Karst.), and silver birch ( Betula pendula Roth.) stems in Finland. The oldest stems had decomposed for 34 (spruce and birch) or 45 (pine) years. Concentrations of N in both fallen logs and standing snags increased and C/N ratios decreased with time, and birch had significantly higher N concentrations and lower C/N ratios than pine and spruce. Even though increased N contents were observed in some cases, N was generally already released in the early stages of decomposition and more rapidly from birch than from conifers. Based on model analysis, from 40% (pine and spruce) to 50% (birch) of initial N was released within 30 years. The results suggest that decomposing stems of especially Scots pine and Norway spruce retain N rather effectively in boreal forest ecosystems and form a long-term, small but steady N pool with a slow release rate.

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 enseignants0,032
Score d'incertitude au seuil0,064

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,067
Tête enseignante GPT0,270
Écart entre enseignants0,203 · 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
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetForest Ecology and Biodiversity StudiesTravaux en français237 207