From salmon to salmonberry: The effects of salmon‐derived nutrients on the stomatal density of leaves of the nitriphilic shrub <i>Rubus spectabilis</i>
Notice bibliographique
Résumé
Abstract Nutrients derived from the carcasses of Pacific salmon have been shown to have wide‐ranging effects on riparian systems. These include changes in community species composition and an increase in leaf nitrogen concentration, with the latter effect pronounced in the nitriphilic shrub Rubus spectabilis (salmonberry). Experimental work with other species has shown that leaf stomatal density increases in response to nitrogen fertilization. We predicted that the stomatal density of salmonberry leaves would vary directly with the density of spawning salmon in salmonberry leaves collected from 16 streams in the vicinity of Bella Bella, on British Columbia’s central coast. We estimated the stomatal density along each stream, and quantified stream characteristics, including the number of spawning salmon ( Oncorhynchus spp.), canopy cover, stem density and soil moisture. We found that salmon have both direct and indirect effects on stomatal density, the latter mediated by canopy cover and stem density. Salmonberry stomatal density increased by 1.12 stomata per mm 2 (~0.5%) for every kg of salmon per metre of stream. Over the range of salmon densities observed (1.8–49.0 kg per metre of stream), stomatal density increased by almost 45 mm − 2 , or more than 20%. These data confirm that the stomatal density in salmonberry responds positively to the opportunity for greater productivity provided by salmon carcasses. The data provide insight into the physiological and morphological processes supporting nitrogen uptake, which in turn influences plant community composition. A plain language summary is available for this article.
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 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 | 0,001 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 tête enseignante, 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 ».