MétaCan
Menu
Retour à la cohorte
Enregistrement W2047264483 · doi:10.1139/x10-208

Long-term effects of nitrogen fertilization on soil chemistry in three Scots pine stands in Sweden

2011· article· en· W2047264483 sur OpenAlexvenueno aff
Eva Ring, Staffan Jacobson, Lars Högbom

Notice bibliographique

RevueCanadian Journal of Forest Research · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePeatlands and Wetlands Ecology
Établissements canadiensnon disponible
Organismes subventionnairesSvenska Forskningsrådet FormasStiftelsen för Miljöstrategisk Forskning
Mots-clésScots pineNitrogenSoil waterChemistryNutrientSoil acidificationPhosphorusSoil horizonHuman fertilizationAgronomyEnvironmental chemistryEnvironmental scienceSoil pHBotanyPinus <genus>Soil scienceBiology

Résumé

récupéré en direct d'OpenAlex

Adding nitrogen to coniferous forests on mineral soils will increase stem-wood growth in most boreal forests. The addition of nitrogen affects soils and waters as well. This investigation was conducted to evaluate the long-term effects of nitrogen fertilization at different intensities on soil chemistry in nitrogen-limited ecosystems. The study was performed at three experimental sites that were originally established around 1980 in Scots pine ( Pinus sylvestris L.) stands. Fertilization regimes with applications ranging from conceivable commercial rates to very intensive rates (3× 150 kg N·ha –1 up to 12× 150 kg N·ha –1 ) had been applied. Samples were collected from the FH horizon at all sites and 0–20 cm in the mineral soil at two sites and analyzed for pH and major nutrients. The carbon to nitrogen ratio in the FH horizon decreased with increasing total nitrogen application, while the concentrations and contents of nitrogen and exchangeable magnesium and phosphorus increased. The concentration and contents of exchangeable potassium decreased in both the FH horizon and the mineral soil. In general, larger effects on soil chemistry were observed with increasing fertilization intensity.

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 enseignants0,053
Score d'incertitude au seuil0,104

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
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 Opus0,038
Tête enseignante GPT0,285
Écart entre enseignants0,247 · 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

Citations28
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetPeatlands and Wetlands EcologyTravaux en français237 207