Dual nitrate isotopes clarify the role of biological processing and hydrologic flow paths on nitrogen cycling in subtropical low‐gradient watersheds
Notice bibliographique
Résumé
Abstract Nitrogen (N) is an important nutrient as it often limits productivity but in excess can impair water quality. Most studies on watershed N cycling have occurred in upland forested catchments where snowmelt dominates N export; fewer studies have focused on low‐relief watersheds that lack snow. We examined watershed N cycling in three adjacent, low‐relief watersheds in the Upper Coastal Plain of the southeastern United States to better understand the role of hydrological flow paths and biological transformations of N at the watershed scale. Groundwater was the dominant source of nitrified N to stream water in two of the three watersheds, while atmospheric deposition comprised 28% of stream water nitrate in one watershed. The greater atmospheric contribution may have been due to the larger stream channel area relative to total watershed area or the dominance of shallow subsurface flow paths contributing to stream flow in this watershed. There was a positive relationship between temperature and stream water ammonium concentrations and a negative relationship between temperature and stream water nitrate concentrations in each watershed suggesting that N cycling processes (i.e., nitrification and denitrification) varied seasonally. However, there were no clear patterns in the importance of denitrification in different water pools possibly because a variety of factors (i.e., assimilatory uptake, dissimilatory uptake, and mixing) affected nitrate concentrations. Together, these results highlight the hydrological and biological controls on N cycling in low‐gradient watersheds and variability in N delivery flow paths among adjacent watersheds with similar physical characteristics.
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 | 0,002 | 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 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».