MétaCan
Menu
Retour à la cohorte
Enregistrement W2883045199 · doi:10.1029/2018gl077736

Low Phosphorus Availability Decreases Susceptibility of Tropical Primary Productivity to Droughts

2018· article· en· W2883045199 sur OpenAlexfundno aff
Daniel S. Goll, Émilie Joetzjer, Mengtian Huang, P. Ciais

Notice bibliographique

RevueGeophysical Research Letters · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePlant Water Relations and Carbon Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesNatural Resources CanadaNatural Sciences and Engineering Research Council of CanadaCanadian Foundation for Climate and Atmospheric SciencesU.S. Department of EnergyH2020 European Research CouncilEnvironment CanadaBIOCAP CanadaNational Science Foundation
Mots-clésEnvironmental sciencePhosphorusPrimary productionPrecipitationEcosystemSoil waterTropicsProductivityEddy covarianceMineralization (soil science)Atmospheric sciencesHydrology (agriculture)EcologySoil scienceChemistryBiologyGeographyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Large uncertainties in the susceptibility of tropical forest productivity to precipitation changes hamper climate change projection. Interactions between the availabilities of water and phosphorus could theoretically either increase or decrease the susceptibility of tropical gas exchange to variation of precipitation. The inclusion of phosphorus‐water interactions in a land surface model reduces the coefficient of variance, a measure of variability, of biweekly gross primary productivity by a factor of 1.5–2.3 at three tropical forest sites in Brazil, bringing it closer to estimates from eddy covariance measurements and remote sensing. Soil drought conditions are attenuated due to 8–30% lower water consumption during wet periods in presence of phosphorus limitation. When soils are dry, plant phosphorus acquisition is impaired by reduced ion mobility, despite an increase in net phosphorus mineralization. We conclude that water‐phosphorus interactions cannot be omitted in analysis of the resilience of tropical ecosystems to precipitation changes.

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)0,001
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,000
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 Opus0,017
Tête enseignante GPT0,270
Écart entre enseignants0,254 · 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

Citations38
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetPlant Water Relations and Carbon DynamicsTravaux en français237 207