MétaCan
Menu
Retour à la cohorte
Enregistrement W2087923746 · doi:10.1139/x00-019

Elevated atmospheric CO<sub>2</sub> and species mixture alter N acquisition of trees in stand microcosms

2000· article· en· W2087923746 sur OpenAlexvenueno aff
A. L. Friend, John L. Jifon, Paul Berrang, John R. Seiler, Juanita A. Mobley

Notice bibliographique

RevueCanadian Journal of Forest Research · 2000
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant responses to elevated CO2
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Forest Service
Mots-clésLiquidambar styracifluaMonocultureMicrocosmBiomass (ecology)Environmental scienceAgronomyPhytotronSoil waterBotanyChemistryBiologyEcologySoil science

Résumé

récupéré en direct d'OpenAlex

The potential for elevated atmospheric CO2 to increase forest growth depends on how it affects plant acquisition of soil nitrogen (N) in realistic competitive settings. We grew seedling microcosms in large (0.6-m2) boxes of forest soil placed outdoors in CO2-controlled open-top chambers. Loblolly pine (Pinus taeda L.) and sweetgum (Liquidambar styraciflua L.) were grown as single-species stands (monocultures) and as 50:50 pine:sweetgum mixtures, with a factorial combination of CO2 (ambient, twice ambient) and soil water (dry, moist) for two growing seasons. We added N, enriched with 15N, 2 months after planting and used N and 15N content of microcosm components to evaluate treatment effects. Under ambient CO2, species mixture decreased biomass and N accumulation of pine compared with pine in monoculture. Elevated CO2 partially to fully ameliorated this negative effect of species mixture for pine by increasing its biomass and N accumulation irrespective of competitive setting. Sweetgum biomass and N accumulation were improved in mixed culture (compared with monoculture) under moist conditions. However, only sweetgum biomass (not N) responded positively to increasing CO2. Our study suggests that increasing atmospheric CO2 concentration may provide a competitive advantage to pine growing in mixture with sweetgum in low fertility forest soils.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,017

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,021
Tête enseignante GPT0,246
Écart entre enseignants0,225 · 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

Citations6
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetPlant responses to elevated CO2Travaux en français237 207