MétaCan
Menu
Retour à la cohorte
Enregistrement W2789392566 · doi:10.1071/sr16265

Leaf and root production, decomposition and carbon and nitrogen fluxes during stand development in tropical moist forests, north-east India

2018· article· en· W2789392566 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueSoil Research · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensSKiN Health
Organismes subventionnairesUniversity Grants Commission
Mots-clésEcological successionLitterEnvironmental scienceAgronomyPlant litterOrganic matterSoil organic matterDecompositionNutrientChemistryAnimal scienceSoil waterEcologyBiologySoil science

Résumé

récupéré en direct d'OpenAlex

In the present study we investigated the production and decomposition of leaves, branches and roots in two moist regenerating tropical forests (5 and 15 years old; RF-5 and RF-15 respectively) and a natural forest (NF) in north-east India. Total litter input increased during vegetation succession (759, 1089 and 1284 g m–2 year–1 in RF-5, RF-15 and NF respectively), whereas the contribution of soft litter decreased sharply. Decomposition over 450 days indicated significant seasonal (P < 0.001) patterns in mass loss of litter components, with greater rates during the wet period. Soil CO2 efflux was strongly seasonal. C stock loss followed patterns similar to those of mass loss, whereas N increased initially, followed by its gradual release. Rainfall explained 74–90% of the variability in mass loss rates. Concentrations of cellulose and N were significantly positively correlated with mass loss at an early stage of decomposition (r = 0.54–0.65, P < 0.05), whereas lignin : N and C : N ratios were negatively correlated with mass loss at later stages. Regenerating forests adapted ecosystem-level strategies that induced early leaf fall to reduce soil water loss, increase organic matter return to the soil and conserve N through immobilisation during the process of decomposition to speed up vegetation succession in the regenerating 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.

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)0,000
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 enseignants0,046
Score d'incertitude au seuil0,971

Scores Codex et Gemma par catégorie

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 technologies0,0000,001
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 Opus0,016
Tête enseignante GPT0,278
Écart entre enseignants0,262 · 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