MétaCan
Menu
Retour à la cohorte
Enregistrement W2202187019 · doi:10.1139/cjb-2015-0003

Seasonal variation in water sources of the riparian tree species <i>Acer negundo</i> and <i>Betula nigra</i>, southern Appalachian foothills, USA

2015· article· en· W2202187019 sur OpenAlexvenueno aff
Joseph C. White, William K. Smith

Notice bibliographique

RevueBotany · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePlant Water Relations and Carbon Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiologyRiparian zoneBetula pubescensPhenologyAbscissionBotanySeasonalitySoil waterEcologyAceraceaeWoody plantHabitatMaple

Résumé

récupéré en direct d'OpenAlex

Determining which water sources a plant accesses throughout a year is an important step in understanding how changes in source characteristics affect utilization by plants. Water sources of Acer negundo L. and Betula nigra L. of the foothills of the southern Appalachians Mountains were examined during one full year, including the phenological stages of leaf bolt, flowering, and leaf senescence and abscission. Source utilization was monitored, comparing the isotopic composition of water samples from woody tissue with those of possible water sources at the site. Species used deep ground and shallow soil water, with a greater reliance on deeper sources during the late growing season. Betula nigra was typically more depleted in δ 2 H than all water sources measured, while values from A. negundo were more variable throughout the study. Intraspecifically, isotopic values did not vary monthly or seasonally for either species (P &gt; 0.56), while interspecific values were different for December, January, and July samplings (P &lt; 0.02). Positive relationships occurred between air temperature and isotopic values of both species (P &lt; 0.04), and may reflect increased evaporation from the upper soil layers at warmer temperatures, which both species appeared to use. An inability to sample all sources prevented the application of mixing models and may weaken conclusions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,349

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,175
Écart entre enseignants0,166 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBotanyMême sujetPlant Water Relations and Carbon DynamicsTravaux en français237 207