Biological soil crusts influence carbon release responses following rainfall in a temperate desert, northern China
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract How soil cover types and rainfall patterns influence carbon (C) release in temperate desert ecosystems has largely been unexplored. We removed intact crusts down to 10 cm from the Shapotou region, China, and measured them in PVC mesocosms, immediately after rainfall. C release rates were measured in soils with four cover types (moss‐crusted soil, algae‐crusted soil, mixed (composed of moss, algae, and lichen)‐crusted soil, and mobile dune sand). We investigated seven different rainfall magnitudes (0–1, 1–2, 2–5, 5–10, 10–15, 15–20, and >20 mm) under natural conditions. C release from all four BSCs increased with increasing rainfall amount. With a rainfall increase from 0 to 45 mm, carbon release amounts increased from 0.13 ± 0.09 to 15.2 ± 1.35 gC m −2 in moss‐crusted soil, 0.08 ± 0.06 to 6.43 ± 1.23 gC m −2 in algae‐crusted soil, 0.11 ± 0.08 to 8.01 ± 0.51 gC m −2 in mixed‐crusted soil, and 0.06 ± 0.04 to 8.47 ± 0.51 gC m −2 in mobile dune sand, respectively. Immediately following heavy rainfall events (44.9 mm), moss‐crusted soils showed significantly higher carbon release rates than algae‐ and mixed‐crusted soils and mobile dune sands, which were 0.95 ± 0.02, 0.30 ± 0.03, 0.13 ± 0.04, and 0.51 ± 0.02 μmol CO 2 m −2 s −1 , respectively. Changes in rainfall patterns, especially large rain pulses (>10 mm) affect the contributions of different soil cover types to carbon release amounts; moss‐crusted soils sustain higher respiration rates than other biological crusts after short‐term extreme rainfall events.
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.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découle