Responses of nitrogen concentrations and pools to multiple environmental change drivers: A meta‐analysis across terrestrial ecosystems
Notice bibliographique
Résumé
Abstract Aim We sought to understand how the individual and combined effects of multiple environmental change drivers differentially influence terrestrial nitrogen (N) concentrations and N pools and whether the interactive effects of these drivers are mainly antagonistic, synergistic or additive. Location Worldwide. Time period Contemporary. Major taxa studied Plants, soil, and soil microbes in terrestrial ecosystems. Methods We synthesized data from manipulative field studies from 758 published articles to estimate the individual, combined and interactive effects of key environmental change drivers (elevated CO 2 , warming, N addition, phosphorus addition, increased rainfall and drought) on plant, soil, and soil microbe N concentrations and pools using meta‐analyses. We assessed the influences of moderator variables on these effects through structural equation modelling. Results We found that (a) N concentrations and N pools were significantly affected by the individual and combined effects of multiple drivers, with N addition (either alone or in combination with another driver) showing the strongest positive effects; (b) the individual and combined effects of these drivers differed significantly between N concentrations and N pools in plants, but seldom in soils and microbes; (c) additive effects of driver pairs on N concentrations and pools were much more common than synergistic or antagonistic effects across plants, soils and microbes; and (d) environmental and experimental factors were important moderators of the individual, combined and interactive effects of these drivers on terrestrial N. Main conclusions Our results indicate that terrestrial N concentrations and N pools, especially those of plants, can be significantly affected by the individual and combined effects of environmental change drivers, with the interactive effects of these drivers being mostly additive. Our findings are important because they contribute to the development of models to better predict how altered N availability affects ecosystem carbon cycling under future environmental 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 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) | 0,001 | 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 ».