Global trends in senesced‐leaf nitrogen and phosphorus
Notice bibliographique
Résumé
ABSTRACT Aim Senesced‐leaf litter plays an important role in the functioning of terrestrial ecosystems. While green‐leaf nutrients have been reported to be affected by climatic factors at the global scale, the global patterns of senesced‐leaf nutrients are not well understood. Location Global. Methods Here, bringing together a global dataset of senesced‐leaf N and P spanning 1253 observations and 638 plant species at 365 sites and of associated mean climatic indices, we describe the world‐wide trends in senesced‐leaf N and P and their stoichiometric ratios. Results Concentration of senesced‐leaf N was highest in tropical forests, intermediate in boreal, temperate, and mediterranean forests and grasslands, and lowest in tundra, whereas P concentration was highest in grasslands, lowest in tropical forests and intermediate in other ecosystems. Tropical forests had the highest N : P and C : P ratios in senesced leaves. When all data were pooled, N concentration significantly increased, but senesced‐leaf P concentration decreased with increasing mean annual temperature (MAT) and mean annual precipitation (MAP). The N : P and C : P ratios also increased with MAT and MAP, but C : N ratios decreased. Plant functional type (PFT), i.e. life‐form (grass, herb, shrub or tree), phylogeny (angiosperm versus gymnosperm) and leaf habit (deciduous versus evergreen), affected senesced‐leaf N, P, N : P, C : N and C : P with a ranking of senesced‐leaf N from high to low: forbs ≈ shrubs ≈ trees > grasses, while the ranking of P was forbs ≈ shrubs ≈ trees < grasses. The climatic trends of senesced‐leaf N and P and their stoichiometric ratios were similar between PFTs. Main conclusions Globally, senesced‐leaf N and P concentrations differed among ecosystem types, from tropical forest to tundra. Differences were significantly related to global climate variables such as MAT and MAP and also related to plant functional types. These results at the global scale suggest that nutrient feedback to soil through leaf senescence depends on both the climatic conditions and the plant composition of an ecosystem.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 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 ».