The responses of early foliar litter humification to reduced snow cover during winter in an alpine forest
Notice bibliographique
Résumé
Ni, X., Yang, W., Li, H., Xu, L., He, J., Tan, B. and Wu, F. 2014. The responses of early foliar litter humification to reduced snow cover during winter in an alpine forest. Can. J. Soil Sci. 94: 453–461. Snow cover can be reduced by ongoing winter warming in alpine biomes, affecting foliar litter humification, but few reports are available. To quantitatively clarify how early foliar litter humification responds to reduced snow cover in winter, a field litterbag experiment was conducted in an alpine forest in southwestern China. Mass losses, ΔlogK, E4/E6, degrees of humification and humification rates of six typical local foliar litters were investigated at the snow formation, snow cover and snow melt stage under snowpack levels differing in depth (deep snowpack, medium snowpack, thin snowpack, no snowpack) from November 2012 to April 2013. The results indicated that 14–15% of willow (Salix paraplesia), 8–9% of fir (Abies faxoniana), 6–7% of birch (Betula albo-sinensis), 5–8% of cypress (Sabina saltuaria), larch (Larix mastersiana) and azalea (Rhododendron lapponicum) foliar litter was humified, which was about 50% of what decomposed during the first winter. Moreover, the early humification of foliar litter (except for fir and birch) responded positively to the reduced snow cover, but mass loss exhibited negative responses. Such results suggest that reduced snow cover in winter would increase soil carbon or other material sequestration in the scenario of climate change.
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 ».