Source attribution of agriculture-related deposition by using total nitrogen and δ<sup>15</sup>N in epiphytic lichen tissue, bark and deposition water samples in Germany
Notice bibliographique
Résumé
Compared with physico-chemical deposition measurement methods, lichens are able to identify the long-term overall effects of high N pollution concentrations in the air. In addition, the natural abundances of the stable isotope of N, (15)N, are being widely used in research on N cycling in ecosystems. They can also be used as instruments for source attribution. In this study, epiphytic lichens were tested to determine whether their respective N content and δ(15)N ratios can be used to estimate N deposition rates and to locate various sources of N compounds. Epiphytic lichen and bark samples were collected from around various deposition measurement field stations at different sites in the western part of Germany. The N content of epiphytic lichens reflects the species-specific, agriculture-related circumstances of N deposition at various sites in Germany. At the same time, δ(15)N signatures of the different investigated epiphytic lichen species and bark samples are highly depleted in (15)N under high ammonium deposition. The different surface types of lichens and barks exhibit different concentrations of N and δ(15)N ratios, despite being exposed to similar N deposition rates. The verification of highly negative δ(15)N ratios at sites with local and regional emitters shows that source attribution is possible by comparing different δ(15)N signatures in areas with a wide range of different N deposition types and the corresponding differences in δ(15)N among various source N pools. Especially nitrophytic lichens can support the on-site instrumentation measuring N deposition by qualification and quantification.
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 | 0,000 | 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 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 ».