Denitrification and Organic Carbon Availability in Riparian Wetland Soils and Subsurface Sediments
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The influence of organic C quantity and quality on denitrification in riparian environments is poorly understood. We measured denitrification potential (DNP), organic matter, and several fractions of organic C in surface soils and subsurface sediments in a river riparian zone. Surface soils in conifer forest peat, mixed forest, and marsh sites had similar DNP, although mean organic matter ranged from 9.4% (marsh) to 19.6% (mixed forest) and 36.6% (peat). These soils also differed widely in organic C, water‐extractable C, and anaerobic mineralizable C. Mean DNP in peat at depths of 0.8 to 1.4 m was four times lower than in the surface peat. Mean organic matter and organic C were significantly greater in the deep peat than at the surface, whereas the other C fractions were similar. Mean organic matter content of buried channel sediments at depths of 2 to 3 m was 3.6%; however, mean DNP was 75 to 80 times lower than in the surface mixed forest and marsh soils. When the three surface soil sites were considered separately, anaerobic mineralizable C showed the highest correlation with DNP in the marsh soils ( r = 0.87) and the conifer peat soil ( r = 0.82). Water‐extractable C was also highly correlated with DNP in the marsh soils ( r = 0.81). Correlations between DNP and either organic matter or the three C fractions were not significant in the deep peat, whereas the former channel sediments showed a significant relationship between DNP and both organic matter ( r = 0.81) and water‐extractable C ( r = 0.81). These results show that C quantity and quality influence DNP, but no single index was a good predictor for all soil types.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 découle