Early stage litter decomposition across biomes
Notice bibliographique
Résumé
Through litter decomposition enormous amounts of carbon is emitted to the atmosphere. Numerous large-scale decomposition experiments have been conducted focusing on this fundamental soil process in order to understand the controls on the terrestrial carbon transfer to the atmosphere. However, previous studies were mostly based on site-specific litter and methodologies, adding major uncertainty to syntheses, comparisons and meta-analyses across different experiments and sites. In the TeaComposition initiative, the potential litter decomposition is investigated by using standardized substrates (Rooibos and Green tea) for comparison of litter mass loss at 336 sites (ranging from -9 to +26 °C MAT and from 60 to 3113 mm MAP) across different ecosystems. In this study we tested the effect of climate (temperature and moisture), litter type and land-use on early stage decomposition (3 months) across nine biomes. We show that litter quality was the predominant controlling factor in early stage litter decomposition, which explained about 65% of the variability in litter decomposition at a global scale. The effect of climate, on the other hand, was not litter specific and explained <0.5% of the variation for Green tea and 5% for Rooibos tea, and was of significance only under unfavorable decomposition conditions (i.e. xeric versus mesic environments). When the data were aggregated at the biome scale, climate played a significant role on decomposition of both litter types (explaining 64% of the variation for Green tea and 72% for Rooibos tea). No significant effect of land-use on early stage litter decomposition was noted within the temperate biome. Our results indicate that multiple drivers are affecting early stage litter mass loss with litter quality being dominant. In order to be able to quantify the relative importance of the different drivers over time, long-term studies combined with experimental trials are needed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».