Biochar mitigates dissolved organic carbon loss but does not affect dissolved organic nitrogen leaching loss caused by nitrogen deposition in Moso bamboo plantations
Notice bibliographique
Résumé
Dissolved organic matter (DOM) is one of the most reactive and mobile components in terrestrial ecosystems. Frequent loss of DOM has a negative effect on the surrounding environment. Current abundant deposition of atmospheric nitrogen (N) could significantly influence DOM leaching, and biochar has been suggested to be applied for improving acidic soils However, it remains unclear whether biochar affects dissolved organic carbon (DOC) or dissolved organic nitrogen (DON) loss induced by N deposition in acidic soils. In this study, we observed the effects of biochar amendment (BC0: 0 t biochar ha−1, BC20: 20 t biochar ha−1, and BC40: 40 t biochar ha−1) on the leaching of soil DOC and DON in Moso bamboo plantations that received simulated N deposition (N30: 30 kg N ha−1 yr−1, N60: 60 kg N ha−1 yr−1, N90: 90 kg N ha−1 yr−1, and N-free) for 34 months. DOC loss showed a marked seasonal variation with the lowest loss occurring in spring and the largest loss in summer; no such trend was observed in DON loss. Nitrogen deposition generally increased DOC and DON leaching loss in all four seasons, except DOC leaching loss in spring. Biochar amendment significantly decreased DOC leaching loss in spring, autumn, and winter; however, there was no significant effect on DON. Biochar may therefore mitigate DOC and DON loss caused by N deposition. DOC loss mitigation was also greater than that for DON, especially in autumn. Biochar application is a potential approach to mitigate the DOC and DON leaching loss induced by increasing atmospheric N deposition in Moso bamboo plantations.
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 | 0,000 |
| 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 | 0,000 | 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 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 ».