MétaCan
Menu
Retour à la cohorte
Enregistrement W2520096242 · doi:10.1038/srep33190

Grazing improves C and N cycling in the Northern Great Plains: a meta-analysis

2016· review· en· W2520096242 sur OpenAlexafffund
Xiaoyu Wang, B.G. McConkey, A.J. VandenBygaart, Jianling Fan, A. D. Iwaasa, Mike Schellenberg

Notice bibliographique

RevueScientific Reports · 2016
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesZhejiang UniversityAgriculture and Agri-Food CanadaGovernment of Canada
Mots-clésGrazingGrasslandCyclingEcosystemMineralization (soil science)Environmental scienceLitterGrassland ecosystemNitrogen cycleSoil waterAgronomyNitrogenSoil carbonBiogeochemical cycleEcologyAnimal scienceForestryChemistrySoil scienceBiologyGeography

Résumé

récupéré en direct d'OpenAlex

Grazing potentially alters grassland ecosystem carbon (C) and nitrogen (N) storage and cycles, however, the overall direction and magnitude of such alterations are poorly understood on the Northern Great Plains (NGP). By synthesizing data from multiple studies on grazed NGP ecosystems, we quantified the response of 30 variables to C and N pools and fluxes to grazing using a comprehensive meta-analysis method. Results showed that grazing enhanced soil C (5.2 ± 4.6% relative) and N (11.3 ± 9.1%) pools in the top layer, stimulated litter decomposition (26.8 ± 18.4%) and soil N mineralization (22.3 ± 18.4%) and enhanced soil NH4(+) (51.5 ± 42.9%) and NO3(-) (47.5 ± 20.7%) concentrations. Our results indicate that the NGP grasslands have sequestered C and N in the past 70 to 80 years, recovering C and N lost during a period of widespread grassland deterioration that occurred in the first half of the 20(th) century. Sustainable grazing management employed after this deterioration has acted as a critical factor for C and N amelioration of degraded NGP grasslands and about 5.84 Mg C ha(-1) CO2-equivalent of anthropogenic CO2 emissions has been offset by these grassland soils.

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)0,004
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0040,008
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,076
Tête enseignante GPT0,293
Écart entre enseignants0,217 · 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'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

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

En bref

Citations67
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetSoil Carbon and Nitrogen DynamicsTravaux en français237 207