MétaCan
Menu
← Retour à la cohorte
Enregistrement W2606376061 · doi:10.1038/srep46293

Individual size but not additional nitrogen regulates tree carbon sequestration in a subtropical forest

2017· article· en· W2606376061 sur OpenAlexaff
Jianping Wu, Honglang Duan, Wenfei Liu, Xiaohua Wei, Yingchun Liao, Houbao Fan

Notice bibliographique

RevueScientific Reports · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesEducation Department of Jiangxi ProvinceNational Natural Science Foundation of ChinaNational Science Foundation
Mots-clésCarbon sequestrationSubtropicsNitrogenTropical and subtropical moist broadleaf forestsCarbon fibersTree (set theory)Environmental scienceAgroforestryBiologyEcologyChemistryComputer scienceMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract Recent studies have indicated that tree carbon accumulation in subtropical forests has been negatively affected by global change phenomena such as warming and drought. However, the long-term effect of nitrogen addition on plant carbon storage remains poorly understood in these regions. In this study, we conducted a 10-year field experiment examining the effect of experimental N addition on plant growth and carbon storage in a subtropical Chinese fir forest. The N levels were 0 (control), 60, 120, and 240 kg ha−1yr−1, and the N effects on tree carbon were divided into stand and individual levels. The results indicated that tree carbon storage at the stand scale was not affected by long-term N addition in the subtropical forest. By contrast, significant impacts of different tree size classes on carbon sequestration were found under different N treatments, which indicated that the amount of plant carbon sequestration was significantly enhanced with tree size class. Our findings highlight the importance of community structure and growth characteristics in Chinese fir forests, in which individual size but not additional N regulates tree carbon sequestration in this subtropical forest.

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 enseignants0,012
Score d'incertitude au seuil0,023

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)0,0010,000

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 Opus0,014
Tête enseignante GPT0,226
Écart entre enseignants0,212 · 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

Citations10
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific Reports→Même sujetForest ecology and management→Travaux en français237 207→