The Green Roof Microbiome: Improving Plant Survival for Ecosystem Service Delivery
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
Plants are key contributors to ecosystem services delivered by green roofs in cities including stormwater capture, temperature regulation, and wildlife habitat As a result, current research has primarily focused on their growth in relationship to extensive green roof (e.g. substrates <15cm depth) ecosystem services. Green roofs are exposed to a variety of harsh abiotic factors such as intense solar radiation, wind, and isolation from ground-level habitats, making survival exceedingly difficult. Plants in natural habitats benefit from a variety of interactions with fungi and bacteria. These plant-microbial interactions improve mechanisms of survival and productivity; however, many green roof substrates are sterilized prior to installation and lack microbial communities with unstudied consequences for green roof plant health and subsequent survival and performance. In this paper, we present six hypotheses on the positive role of microbes in green roof applications. In natural and experimental systems, microbial interactions have been linked to plant (1) drought tolerance, (2) pathogen protection, (3) nutrient availability, (4) salt tolerance, (5) phytohormone production, and (6) substrate stabilization, all of which are desirable properties of green roof ecosystems. As few studies exist that directly examine these relationships on green roofs, we explore the existing ecological literature on these topics to unravel the mechanisms that could support more complex green roof ecosystem and lead to new insight into the design, performance, and broader applications in green infrastructure.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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