Rates of litter decomposition over 6 years in Canadian forests: influence of litter quality and climate
Notice bibliographique
Résumé
The effects of litter quality and climate on decomposition rates of plant tissues were examined using percent mass remaining (MR) data of 10 foliar litter types and 1 wood type during 6 years exposure at 18 upland forest sites across Canada. Litter-quality variables used included initial nutrient contents (N, P, S, K, Ca, Mg) and carbon fractions (determined by proximate analysis and 13C nuclear magnetic resonance spectroscopy). Climate variables used included mean annual temperature; total, summer, and winter precipitation; and potential evaptranspiration. A single-exponential decay model with intercept was fit using the natural logarithm of 0- to 6-year percent MR data (LNMR) for all 198 type by site combinations. Model fit was good for most sites and types (r2 = 0.640.98), although poorest for cold sites with low-quality materials. Multiple regression of model slope (Kf) and intercept (A) terms demonstrated the importance of temperature, summer precipitation, and the acid-unhydrolyzable residue to N ratio (AUR/N) (r2 = 0.65) for Kf, and winter precipitation and several litter-quality variables including AUR/N for A (r2 = 0.60). Comparison of observed versus predicted LNMR for the best overall combined models were good (r2 = 0.750.80), although showed some bias, likely because of other site- and type-specific factors as predictions using 198 equations accounted for more variance (r2 = 0.95) and showed no bias.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».