Site factors determining epiphytic lichen distribution in a dieback-affected spruce-fir forest on Whiteface Mountain, New York: stemflow chemistry
Notice bibliographique
Résumé
Epiphytic lichen diversity in a dieback-affected forest of red spruce (Picea rubens Sarg.) and balsam fir (Abies balsamea (L.) Mill.) on Whiteface Mountain, New York, U.S.A., was higher on dead compared with living trees and on fir compared with spruce. Diversity differed more between living and dead spruce than between living and dead fir. Cover of all lichen species that occurred on more than 50% of the sample trees, except for two species, decreased with increasing mean concentration of NO 3 in stemflow. Concentrations of NO 3 were higher on living spruce compared with dead spruce and with living and dead fir. The negative correlations between lichen cover and NO 3 concentration may reflect either a decrease of lichen abundance caused by toxic effects of higher NO 3 concentrations or a removal of NO 3 from stemflow by epiphytic lichens. Experimental exposure of Hypogymnia physodes to NaNO 3 reduced chlorophyll concentrations. This result, together with estimations of lichen and needle biomass, indicates that a dependence of lichen cover on NO 3 concentrations in stemflow may be the cause for the negative correlations. The sulphur concentration in stemflow did not affect lichen abundance on Whiteface Mountain. The manganese concentration in stemflow may have an effect on single species.Key words: forest dieback, manganese, nitrate assimilation, nitrate toxicity, precipitation chemistry, sulphur.
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) | 0,001 | 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 ».