MétaCan
Menu
← Retour à la cohorte
Enregistrement W2317805122 · doi:10.1139/x2012-145

Total belowground carbon and nitrogen partitioning of mature black spruce displaying genetic × soil moisture interaction in growth

2012· article· en· W2317805122 sur OpenAlexaffvenue
John E. Major, Kurt H. Johnsen, Debby C. Barsi, Moira Campbell

Notice bibliographique

RevueCanadian Journal of Forest Research · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensNatural Resources CanadaCanadian Forest Service
Organismes subventionnairesnon disponible
Mots-clésBiomass (ecology)Black spruceAgronomyProductivityBiomass partitioningEnvironmental scienceWater contentSoil waterSoil horizonBotanyBiologyTaigaEcologySoil science

Résumé

récupéré en direct d'OpenAlex

Total belowground biomass, soil C, and N mass were measured in plots of 32-year-old black spruce ( Picea mariana (Mill.) Britton, Sterns & Poggenb.) from four full-sib families studied previously for drought tolerance and differential productivity on a dry and a wet site. Stump root biomass was greater on the wet than on the dry site; however, combined fine and coarse root biomass was greater on the dry than on the wet site, resulting in no site root biomass differences. There were no site differences in root distribution by soil depth. Drought-tolerant families had greater stump root biomass and allocated relatively less to combined coarse and fine roots than drought-intolerant families. Fine roots (<2 mm) made up 10.9% and 50.2% of the belowground C and N biomass. Through 50 cm soil depth, mean total belowground C mass was 187.2 Mg·ha–1, of which 8.9%, 3.4%, 0.7%, and 87.0% were from the stump root, combined fine and coarse roots, necromass, and soil, respectively. Here, we show that belowground C sequestration generally mirrors (mostly from stump roots) aboveground growth, and thus, trends in genetic and genetic × environment productivity effects result in similar effects on belowground C sequestration. Thus, tree improvement may well be an important avenue to help stem increases in atmospheric CO2.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,017
Tête enseignante GPT0,265
Écart entre enseignants0,248 · 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 source (Gemma direct ou Codex distillé), 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

Citations13
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest Research→Même sujetForest ecology and management→Travaux en français237 207→