Effect of Litter Quality on Leaf-Litter Decomposition in the Context of Home-Field Advantage and Non-Additive Effects in Temperate Forests in China
Notice bibliographique
Résumé
Litter quality is often considered the main driver of rates of decomposition.Litter decomposes faster in its home environment than in any other environment, which is called the home-field advantage (HFA).However, evidence for this phenomenon has not been universal.In addition, litter mixtures of different species can induce a non-additive effect (NAE) on decomposition processes.However, the direction and magnitude of NAE vary and underlying mechanisms remain unclear.The aim of our study was to assess the effect of litter quality on leaf-litter decomposition in the context of HFA and NAEs in temperate forests in China.Litterbags containing aspen (Populus davidiana), birch (Betula platyphylla), and oak (Quercus liaotungensis) litter were incubated in situ in pure aspen and broadleaved mixed forests in Chinese temperate forests for 360 days.The main results were:1. Aspen litter with a low C/N ratio and high initial N concentration decomposed faster than birch litter, both of which decomposed faster than oak litter, which had the lowest quality.2. The rate of decomposition of oak litter was significantly higher in the broadleaved mixed forest than in pure aspen stands; however, the rate of decomposition of birch litter was not significantly different from pure aspen stands and broadleaved mixed forest.3. Contrary to what was predicted, the mixture of aspen and birch litter decomposed faster than expected.However, both the aspen/oak and birch/oak mixtures had a neutral mixing effect where the rates of decomposition were slightly faster than expected.4. Controlling factors based on linear models show that the order of the relative importance of their effect on litter decomposition was as follows: litter quality, forest floor environment, and litter mixtures.This study indicates that: 1.The various litter species exhibited different litter-environment interactions, such as favoring or contradicting the HFA hypothesis.
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 | 0,001 | 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 | 0,000 |
| 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 ».