Climatic effects on litter decomposition from arctic tundra to tropical rainforest
Notice bibliographique
Résumé
Abstract Climatic effects on the decomposition rates of various litter types in different environments must be known to predict how climatic changes would affect key functions of terrestrial ecosystems, such as nutrient and carbon cycling and plant growth. We developed regression models of the climatic effects on the first‐year mass loss of Scots pine needle litter in boreal and temperate forests across Europe (34 sites), and tested the applicability of these models for other litter types in different ecosystems from arctic tundra to tropical rainforest in Canada (average three year mass loss of 11 litter types at 18 sites), the USA and Central America (four litter types at 26 sites). A temperature variable (annual mean temperature, effective temperature sum or its logarithm) combined with a summer drought indicator (precipitation minus potential evapotranspiration between May and September) explained the first‐year mass loss of the Scots pine needle litter across Europe with a higher R2 value than actual evapotranspiration (0.68–0.74 vs. 0.51) and with less systematic error for any sub‐region. The model with temperature sum and the summer drought indicator appeared best suited to the other litter types and environments. It predicted the climatic effects on the decomposition rates in North and Central America with least systematic error and highest R2 values (0.72–0.80). Compared with Europe, the decomposition rate was significantly less sensitive to annual mean temperature in Canada, and to changes in actual evapotranspiration in the USA and Central America. A simple model distinguishing temperature and drought effects was able to explain the majority of climatic effects on the decomposition rates of the various litter types tested in the varying environments over the large geographical areas. Actual evapotranspiration summarizing the temperature and drought effects was not as general climatic predictor of the decomposition rate.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».