MétaCan
Menu
Retour à la cohorte
Enregistrement W2796510295 · doi:10.1038/s41598-018-22210-2

Long-term nutrient addition increased CH4 emission from a bog through direct and indirect effects

2018· article· en· W2796510295 sur OpenAlexafffund
Sari Juutinen, Tim R. Moore, Jill L. Bubier, Sini Arnkil, Elyn Humphreys, Brenden Marincak, Cameron Roy, Tuula Larmola

Notice bibliographique

RevueScientific Reports · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePeatlands and Wetlands Ecology
Établissements canadiensCarleton UniversityMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAcademy of FinlandNational Science Foundation
Mots-clésPeatBogNutrientEnvironmental scienceEcosystemPhosphorusIncubationFlux (metallurgy)Environmental chemistryAnimal scienceChemistryAgronomyEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Peatlands are globally significant sources of atmospheric methane (CH 4 ). While several studies have examined the effects of nutrient addition on CH 4 dynamics, there are few long-term peatland fertilization experiments, which are needed to understand the aggregated effects of nutrient deposition on ecosystem functioning. We investigated responses of CH 4 flux and production to long-term field treatments with three levels of N (1.6–6.4 g m −2 yr −1 as NH 4 NO 3 ), potassium and phosphorus (PK, 5.0 g P and 6.3 g K m −2 yr −1 as KH 2 PO 4 ), and NPK in a temperate bog. Methane fluxes were measured in the field from May to August in 2005 and 2015. In 2015 CH 4 flux was higher in the NPK treatment with 16 years of 6.4 g N m −2 yr −1 than in the control (50.5 vs . 8.6 mg CH 4 m −2 d −1 ). The increase in CH 4 flux was associated with wetter conditions derived from peat subsidence. Incubation of peat samples, with and without short-term PK amendment, showed that potential CH 4 production was enhanced in the PK treatments, both from field application and by amending the incubation. We suggest that changes in this bog ecosystem originate from long-term vegetation change, increased decomposition and direct nutrient effects on microbial dynamics.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,007
Tête enseignante GPT0,226
Écart entre enseignants0,219 · 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

Citations40
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetPeatlands and Wetlands EcologyTravaux en français237 207