Leaf litter chemistry controls on decomposition of Pacific Northwest trees and woody shrubs
Notice bibliographique
Résumé
The effects of initial leaf litter chemistry on first-year decomposition rates were studied for 16 common Pacific Northwest conifers, hardwoods, and shrubs at the H.J. Andrews Experimental Forest in western Oregon. Leaf litters were analyzed for C, N, P, K, Ca, Mg, proximate organic fractions (nonpolar, polar, acid-hydrolyzable extractives, acid-hydrolyzable lignin, and acid-unhydrolyzable residue, previously termed "Klason lignin"), and biochemical components (total phenolics, reactive polyphenols, water-soluble carbohydrates, water-soluble proanthocyanidins, and water- and acid-unhydrolyzable proanthocyanidins). By including measurements of reactive and residual phenolic fractions and acid-hydrolyzable lignin, these analytical methods improve upon traditional proximate leaf litter analyses. Significant differences in litter chemistries and decomposition rates were found between species. For all species combined, the 1-year decay rate (k) values had highly significant correlations (P < 0.001) with 30 out of the 36 initial chemistry variables tested in this study. The three highest correlations were with acid-unhydrolyzable proanthocyanidins, lignocellulose index, and acid-unhydrolyzable residue (r = 0.83, 0.81, 0.80, respectively, with P < 0.0001 and n = 339). We found that no single litter chemistry variable was a universal predictor of the 1-year k value for each of the individual 16 species studied, though phenolic components were more frequent significant (P < 0.001) predictors of 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 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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 tête enseignante, 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 ».