Factors regulating nitrification in aquatic sediments: effects of organic carbon, nitrogen availability, and pH
Notice bibliographique
Résumé
We investigated the response in nitrification to organic carbon (C) availability, the interactive effects of the C: nitrogen (N) ratio and organic N availability, and differing pH in sediments from several streams in the upper midwestern United States. In addition, we surveyed 36 streams to assess variability in sediment nitrification rates. Labile dissolved organic carbon (DOC) additions of 30 mg C·L1 (as acetate) to stream sediments reduced nitrification rates (P < 0.003), but lower concentration additions or dilution of ambient DOC concentration had no effect on nitrification. C:N and organic N availability strongly interacted to affect nitrification (P < 0.0001), with N availability increasing nitrification most at lower C:N. Nitrification was also strongly influenced by pH (P < 0.002), with maximum rates occurring at pH 7.5. A multiple regression model developed from the stream survey consisted of five variables (stream temperature, pH, conductivity, DOC concentration, and total extractable NH4+) and explained 60% of the variation observed in nitrification. Our results suggest that nitrification is regulated by several variables, with NH4+ availability and pH being the most important. Organic C is likely important at regulating nitrification only under high environmental C:N conditions and if most available C is relatively labile.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».