Effects of nitrogen additions on nitrogen resorption and use efficiencies and foliar litterfall of six tree species in a mixed birch and poplar forest, northeastern China
Notice bibliographique
Résumé
We studied nitrogen (N) resorption efficiencies (NRE), N use efficiencies (NUE), carbon-to-nitrogen ratios of green (C:Ngreen) and senesced (C:Nsenesced) foliage, and foliar litterfall for six tree species under three N treatments (control, no N addition; low N addition, 2.5 g N·m–2·year–1; and high N addition, 5.0 g N·m–2·year–1) in a mixed birch and poplar forest in northeastern China in 2007 and 2008. N additions were initiated in 2006. NRE, NUE, C:Ngreen, and C:Nsenesced were significantly decreased by N additions and tended to decrease with increasing N addition treatments. N additions significantly increased foliar litterfall of Acer mono Maxim., Betula platyphylla Sukatschev, Pinus koraiensis Siebold & Zucc., and Populus davidiana Dode and slightly altered litterfall of Fraxinus mandschurica Rupr. and Populus koreana Rehder. High N addition changed foliar litterfall of A. mono, F. mandschurica, P. davidiana, and P. koreana more than low N addition, whereas an opposite pattern was found for B. platyphylla and P. koraiensis. Our study showed that foliar litterfall responses to N additions varied among tree species, but this could not be predicted by the interspecific differences in NRE, NUE, C:Ngreen, and C:Nsenesced under each of the three N treatments.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 ».