Nitrogen Inputs by Associative Cyanobacteria across a Low Arctic Tundra Landscape
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
Available soil N is a key factor limiting plant productivity in most low arctic terrestrial ecosystems. Atmospheric N2-fixation by cyanobacteria is often the primary source of newly fixed N in these nutrient-poor environments. We examined temporal and spatial variation in N2-fixation by the principal cyanobacterial associations (biological soil crusts, Sphagnum spp. associations, and Stereocaulon paschale) in a wide range of ecosystems within a Canadian low arctic tundra landscape, and estimated N input via N2-fixation over the growing season using a microclimatically driven model. Moisture and temperature were the main environmental factors influencing N2-fixation. In general, N2-fixation rates were largest at the height of the growing season, although each N2-fixing association had distinct seasonal patterns due to ecosystem differences in microclimatic conditions. Ecosystem types differed strongly in N2-fixation rates with the highest N input (10.89 kg ha−1 yr−1) occurring in low-lying Wet Sedge Meadow and the lowest N input (0.73 kg ha−1 yr−1) in Xerophytic Herb Tundra on upper esker slopes. Total growing season (3 June–13 September) N2-fixation input from measured components across a carefully mapped landscape study area (26.7 km2) was estimated at 0.68 kg ha−1 yr−1, which is approximately twice the estimated average N input via wet deposition. Although biological N2-fixation input rates were small compared to internal soil N cycling rates, our data suggest that cyanobacterial associations may play an important role in determining patterns of plant productivity across low arctic tundra landscapes.
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 | 0,001 | 0,000 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,001 |
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