Etiology of a recent white spruce decline: role of potassium deficiency, past disturbances, and climate change
Notice bibliographique
Résumé
Along with climate, multiple global or large-scale change agents shape forest ecosystem health. We present a case study where we attempted to elucidate the driving factors causing decline symptoms in white spruce (Picea glauca (Moench) Voss) in young spruce–fir boreal stands. Tree defoliation rate in the studied areas was related to the foliage discoloration intensity of the 2-year old needles and the decreasing stem basal area increment from 1997 to 2008. The onset of this growth decline in 1997 coincided with the occurrence of extremes for four climatic indices. The foliage of affected trees was deficient in K. The relationship between tree decline and K deficiency was tested through a diagnostic fertilization trial using a two-level factorial combination of N, K, and Mg. The trial indicated that K was the single limiting nutrient among the three tested elements. A single K addition increased stem basal area by 43% on average after 11 years. It is hypothesized that the poor K status of trees can be attributed to a series of natural and anthropogenic disturbances along with past forest management activities. Climate change in the region since the last decades also may have contributed to exacerbate K deficiency in such forest ecosystems.
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 | 0,003 | 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 | 0,001 |
| 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) | 0,000 | 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 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 ».