Can plant litter affect net primary production of a typical steppe in Inner Mongolia?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Question: Litter (dead leaves or stems) affects production by conserving soil moisture. However, that role is not clear for grasslands where most precipitation falls during the growing season when the demand for water is high. Our question was: Does litter affect forage production in such an environment? Location: Typical steppe, Inner Mongolia. Methods: We examined the role of plant litter in two experiments where litter was either removed or added in a protected or heavily grazed site, respectively, in autumn and in spring in a split plot design. The treatments (control, moderate and heavy litter application) were applied once in five replications but repeated at new locations in each of 3 years. This was done to examine only the direct effect of litter on annual net primary production and selected plant characteristics and not potential secondary effects. We also measured soil moisture and soil temperature. Results: Removing litter caused a reduction in the amount of grass (Leymus chinensis) that was produced, but litter addition caused an inconsistent effect among years, with moderate applications producing the most positive effects. Litter removal resulted in shorter and less dense plants of L. chinensis and Carex duriuscula, while heavy litter addition in autumn reduced plant height of both Cleistogenes squarrosa and C. duriuscula. Conclusions: Litter was effective for enhancing soil moisture status and reducing soil heat units in the typical steppe of Inner Mongolia. Therefore, litter mass may serve as an index of grassland health in such environments.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 découle