MétaCan
Menu
Retour à la cohorte
Enregistrement W2909765868 · doi:10.1080/10549811.2018.1554496

Chemical content and seasonal variation of throughfall and litterflow under individual trees in the Hyrcanian forests of Iran

2019· article· en· W2909765868 sur OpenAlexaff
Hashem Habashi, Maryam Moslehi, elham shabani, Tom Pypker, Ramin Rahmani

Notice bibliographique

RevueJournal of Sustainable Forestry · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePlant Water Relations and Carbon Dynamics
Établissements canadiensThompson Rivers University
Organismes subventionnairesMinisterstvo Školství, Mládeže a Tělovýchovy
Mots-clésThroughfallCarpinus betulusHornbeamNutrientMapleFagaceaePotassiumBotanyQuercus roburChemistryHorticultureBiologyCanopyEcologyFagus sylvatica

Résumé

récupéré en direct d'OpenAlex

We assessed the effect of seasons and the tree species velvet maple (Acer velutinum Boiss), Hainbuche hornbeam (Carpinus betulus L.) and chestnut-leaved oak (Quercus castanefolia C. A. Mey.; Fagaceae) on nutrient fluxes (Na+, K+ and Ca2+) in throughfall (TF) and litter flow (LF) from January 2012 to February 2013. Potassium (K+) and calcium (Ca2+) in total TF and LF over the measurement period significantly differed between 3 the species (p < 0.05). Maple and oak trees had significantly higher fluxes of K+ and Ca2+ in their TF, respectively. The average quantity of nutrients in LF was significantly higher in the leafy season than in the leafless season for all cations except for Na+. Under velvet maple trees, the average flux of nutrients (Na+, K+, and Ca2+) in TF was significantly higher than LF. Lastly, leaching of potassium (K+) and calcium (Ca2+) in LF during the measurement period was significantly lower than TF under the hornbeam trees. Our results suggest that different tree species may impact the nutrient availability and possibly the sustainability of Hyrcanian forests. Further research is needed to determine how managing different species will affect the long-term nutrient status of these forests.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,173

Scores Codex et Gemma par catégorie

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

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 Opus0,011
Tête enseignante GPT0,203
Écart entre enseignants0,191 · 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 tête enseignante, 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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable ForestryMême sujetPlant Water Relations and Carbon DynamicsTravaux en français237 207