MétaCan
Menu
Retour à la cohorte
Enregistrement W2118709128 · doi:10.1139/x05-154

Fire effects on soil organic matter content, composition, and nutrients in boreal interior Alaska

2005· article· en· W2118709128 sur OpenAlexvenueno aff
Jason C. Neff, J. W. Harden, Gerd Gleixner

Notice bibliographique

RevueCanadian Journal of Forest Research · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Geological SurveyNational Science Foundation
Mots-clésSoil waterOrganic matterEnvironmental chemistrySoil organic matterTotal organic carbonEnvironmental scienceSoil carbonChemistrySoil science

Résumé

récupéré en direct d'OpenAlex

Boreal ecosystems contain a substantial fraction of the earth's soil carbon stores and are prone to frequent and severe wildfires. In this study, we examine changes in element and organic matter stocks due to a 1999 wildfire in Alaska. One year after the wildfire, burned soils contained between 1071 and 1420 g/m 2 less carbon than unburned soils. Burned soils had lower nitrogen than unburned soils, higher calcium, and nearly unchanged potassium, magnesium, and phosphorus stocks. Burned surface soils tended to have higher concentrations of noncombustible elements such as calcium, potassium, magnesium, and phosphorus compared with unburned soils. Combustion losses of carbon were mostly limited to surface dead moss and fibric horizons, with no change in the underlying mineral horizons. Burning caused significant changes in soil organic matter structure, with a 12% higher ratio of carbon to combustible organic matter in surface burned horizons compared with unburned horizons. Pyrolysis gas chromatography – mass spectroscopy also shows preferential volatilization of polysaccharide-derived organic matter and enrichment of lignin- and lipid-derived compounds in surface soils. The chemistry of deeper soil layers in burned and unburned sites was similar, suggesting that immediate fire impacts were restricted to the surface soil horizon.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,260
Score d'incertitude au seuil0,991

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,253
Écart entre enseignants0,238 · 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 tête enseignante, 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

Citations202
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetFire effects on ecosystemsTravaux en français237 207