MétaCan
Menu
Retour à la cohorte
Enregistrement W2733369329 · doi:10.3390/agriculture7070057

Grasslands and Croplands Have Different Microbial Biomass Carbon Levels per Unit of Soil Organic Carbon

2017· article· en· W2733369329 sur OpenAlexaff
Terence P. McGonigle, William F. Turner

Notice bibliographique

RevueAgriculture · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensBrandon University
Organismes subventionnairesnon disponible
Mots-clésGrasslandSoil carbonBiomass (ecology)Environmental scienceSoil waterAgronomyTotal organic carbonSoil scienceEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Primarily using cropped systems, previous studies have reported a positive linear relationship between microbial biomass carbon (MBC) and soil organic carbon (SOC). We conducted a meta-analysis to explore this relationship separately for grasslands and croplands using available literature. Studies were limited to those using fumigation–extraction for MBC for field samples. Trials were noted separately where records were distinct in space or time. Grasslands were naturally occurring, restored, or seeded. Cropping systems were typical of the temperate zone. MBC had a positive linear response to increasing SOC that was significant in both grasslands (p < 0.001; r2 = 0.76) and croplands (p < 0.001; r2 = 0.48). However, MBC increased 2.5-fold more steeply per unit of increasing SOC for grassland soils, as compared to the corresponding response in cropland soils. Expressing MBC as a proportion of SOC across the regression overall, slopes corresponded to 2.7% for grasslands and 1.1% for croplands. The slope of the linear relationship for grasslands was significantly (p = 0.0013) steeper than for croplands. The difference between the two systems is possibly caused by a greater proportion of SOC in grasslands being active rather than passive, relative to that in croplands, with that active fraction promoting the formation of MBC.

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)0,004
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,004
Bibliométrie0,0020,004
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
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 Opus0,016
Tête enseignante GPT0,210
Écart entre enseignants0,194 · 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

Citations36
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgricultureMême sujetSoil Carbon and Nitrogen DynamicsTravaux en français237 207