Relationships between net nitrogen mineralization, properties of the forest floor and mineral soil, and wood production in <i>Pinus radiata</i> plantations
Notice bibliographique
Résumé
We examined the relationship between net nitrogen (N) mineralization (subsequently termed N mineralization) in the forest floor and mineral soil (00.15 m) of 20 Pinus radiata D. Don plantations ranging in age from 23 to 59 years, how mineralization was influenced by soil properties, and its relationship to wood production. Forest floor properties had a narrower relative range than the same set of mineral soil properties. Total N in the litter layer was 5.09.5 g·kg1 compared with 0.232.53 g·kg1 in mineral soil. Laboratory rates of net N mineralization ranged between 1.1 and 9.7 mg·kg1·day1 in forest floor and between 0.02 and 0.53 mg·kg1·day1 in mineral soil. The range in litter lignin (35.348.0%) was especially narrow, despite the large range in stand productivity. Nitrogen mineralized in the forest floor was not correlated with any of the measured forest floor or mineral soil properties. Nitrogen mineralized per unit mineral soil N (ksn) was negatively correlated with the mineral soil N to organic phosphorus ratio (N/Po) (r2 = 0.82). In mineral soil a relationship combining N/Po and total N concentration explained 90% of the variation in N mineralized. Nitrogen mineralized in the forest floor was correlated with that mineralized in the mineral soil when expressed per unit C or N (r2 = 0.54 or 0.57, respectively). Thus, the quality of organic matter in the forest floor partly reflected the quality of organic matter in the mineral soil with respect to N mineralization. Mineralization in mineral soil dominated the net N available to the stand. For sandy soils, wood production (m3·ha1·year1) was correlated with N mineralized in the forest floor + mineral soil (r2 = 0.71). In P. radiata stands growing in southern Australia, rates of wood production per unit N mineralized and per unit rainfall appear to be substantially higher than those of a wide range of natural and planted stands in North America.
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 | 0,000 | 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 ».