MétaCan
Menu
Retour à la cohorte
Enregistrement W2520616134 · doi:10.5539/enrr.v6n3p106

Nutrient Dynamics and Decomposition of Riparian Arundinaria gigantea (Walt.) Muhl. Leaves in Southern Illinois

2016· article· en· W2520616134 sur OpenAlexvenueno aff
Amanda M. Nelson, Jon E. Schoonover, Karl W. J. Williard

Notice bibliographique

RevueEnvironment and Natural Resources Research · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Water Nutrient Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Fish and Wildlife ServiceU.S. Department of AgricultureNational Science Foundation
Mots-clésNutrientPlant litterNutrient cycleRiparian zoneBiomass (ecology)NitrogenBotanyEnvironmental scienceAgronomyChemistryBiologyEcology

Résumé

récupéré en direct d'OpenAlex

<p class="1Body">Leaf litter quality and quantity can influence soil nutrient dynamics and stream productivity through decomposition and serving as allochthonous stream inputs. Leaf deposition, nitrogen (N)-resorption efficiency and proficiency, and decomposition rates were analyzed in riparian stands of <em>Arundinaria gigantea </em>(Walt.) Muhl.<em> </em>in southern Illinois for the first time to determine potential nutrient cycling from riparian canebrake restoration. Leaf litter was collected from five established canebrakes monthly over one year and a decomposition study was conducted over 72 weeks. Live leaves, freshly senesced leaves, and decomposed leaves were analyzed for carbon (C) and N content. Leaf litterfall biomass peaked in November at twice the monthly average for all but one site, indicating a resemblance to deciduous leaf fall patterns. Nitrogen and C concentrations decreased 48% and 30%, respectively, between live leaves and 72 weeks following decomposition. High soil moisture appeared to slow decomposition rates, perhaps due to the creation of anaerobic conditions. Cane leaves have low resorption proficiency and nutrient-use proficiency, suggesting that these riparian canebrakes are not N limited. Giant cane should be considered in multispecies riparian buffer creation since it has this potential to supply carbon and nitrogen to the soil and to macroinvertebrates in the streams for a longer period of time and year round.</p>

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)0,001
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 enseignants0,034
Score d'incertitude au seuil0,437

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,012
Tête enseignante GPT0,261
Écart entre enseignants0,249 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and Natural Resources ResearchMême sujetSoil and Water Nutrient DynamicsTravaux en français237 207