Non-rainfall moisture: a key driver of carbon flux from standing litter in arid, semiarid, and mesic grasslands
Notice bibliographique
Résumé
Abstract Models assume that rainfall is the major source of moisture driving decomposition. Non-rainfall moisture (NRM: high humidity, dew, and fog) can also induce standing litter decomposition, but there have been few standard measurements of NRM-mediated decompositions across sites, and no efforts to extrapolate the contribution of NRM to larger scales to assess whether this mechanism can improve model predictions. Here we show that NRM is an important, year-round source of moisture in grassland sites with contrasting moisture regimes using field measurements and modeling. We first characterized NRM frequency and measured NRM-mediated decomposition in sites on the extreme dry and wet end of grassland systems: at two sites in the Namib Desert, Namibia (hyperarid desert) and at one site in Iowa, USA (tallgrass prairie). NRM was frequent at all sites (85-99% of hours that litter was likely to be wet were attributed to NRM) and tended to occur in cool, high-humidity periods for several hours or more at a time. NRM also caused respiration of standing litter at all sites when litter became sufficiently wet (>5% for fine litter and >13% for coarse), and contributed to mass loss, even in the Namib West site that had almost no rain. When we modeled annual mass loss induced by NRM and rain, and extrapolated our characterization of NRM decomposition to a final site with intermediate rainfall (Sevilleta, New Mexico, semiarid grassland), we found that models driven by rainfall alone underestimated mass loss, while including NRM produced estimates within the range of observed mass loss. Together these findings suggest that NRM is an important missing component in quantitative and conceptual models of litter decomposition, but there is nuance involved in modeling NRM at larger scales. Specifically, temperature and physical features of the substrate emerge as factors that affect the common microbial response to litter wetting under NRM across grasslands sites, and require further study. Hourly humidity can provide an adequate proxy of NRM frequency, but site-specific calibration with litter wetness is needed to accurately attribute decomposition to periods when NRM wets litter. Greater recognition of NRM-driven decomposition and its interaction with other processes (e.g. photodegradation) is needed, especially since fog, dew, and humidity are likely to shift under future climates. Manuscript highlights Non-rainfall moisture (NRM; humidity, fog, dew) induces decomposition in grasslands NRM decomposition depends on substrate type, and occurs at colder times than rain Including NRM (instead of rain alone) improved predictions of litter decomposition
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 |
| Communication savante | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».