Understory Vegetation Dynamics across a Poplar Plantation Chronosequence in Reclaimed Coastal Saline Soil
Notice bibliographique
Résumé
Although the understory vegetation abundance, diversity, and composition associated with stand development in natural forests have been well reported, only a few studies have examined the age-related changes of understory vegetation in fast-growing planted forests in reclaimed soils. This study measured the understory vegetation and soil variables in 8-, 12-, and 18-year-old poplar plantations in reclaimed coastal saline soil of Eastern China. This study examined how the abundance, diversity, and composition changed with stand development and the soil variables. Further, structural equation modeling (SEM) was used to evaluate the direct and indirect factors influencing the abundance and plant diversity throughout stand development. Herb abundance was significantly higher in the youngest and oldest stands, whereas shrub abundance was higher in the middle-aged stands. Shannon’s diversity index was significantly higher in the youngest stand for herbs, whereas it was highest in the middle-aged stands for shrubs. A multivariate analysis revealed that the herb and shrub composition were influenced by the stand age, total soil carbon and soil pH. The most parsimonious SEM model showed the negative direct effects of the stand age and the negative indirect effects of the stand age via the soil variables on shrub abundance, shrub diversity, and herb diversity, suggesting that the increase of overstory biomass with the stand age reduces resources available for the understory. Our results revealed that understory diversity and composition might change with stand development mediated by the changes in understory light and soil resources in fast-growing 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 | 0,001 |
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 ».