MétaCan
Menu
Retour à la cohorte
Enregistrement W3000372169 · doi:10.1002/agj2.20080

Nitrogen increased aboveground biomass of <i>Leymus chinensis</i> grown in semi‐arid grasslands of inner Mongolia, China

2020· article· en· W3000372169 sur OpenAlexaff
Yuting Bai, Ruirui Yan, Michael P. Schellenberg, Hong Wang, Guodong Han, Ruiyang Zhang, Jun Zhang, Zhijun Wei

Notice bibliographique

RevueAgronomy Journal · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensSurrey Memorial HospitalAgriculture and Agri-Food Canada
Organismes subventionnairesMinistry of Education of the People's Republic of China
Mots-clésLeymusNitrogenBiomass (ecology)BiologyAgronomyStem-and-leaf displayAridInner mongoliaGrasslandBotanyNutrientHorticultureChemistryChinaEcology

Résumé

récupéré en direct d'OpenAlex

Abstract There is controversy over whether the addition of nitrogen (N) is the key to the rapid growth of Chinese rye grass Leymus chinensis (Trin.) Tzvel. in natural, semiarid grasslands. We investigated yearly impact of various N additions (0, 91, 183, and 274 kg N ha −1 ) on the relationships between nutrient traits (plant carbon [C], N, and phosphorous [P]), morphological traits (plant height, leaf number, leaf length, leaf width, stem length and stem diameter) and aboveground biomass in L. chinensis . Results showed that most of the growth characteristics of L. chinensis increased with N rate except for leaf number and stem length. Nitrogen addition increased aboveground biomass, plant height, leaf length and stem length of L. chinensis , which was related to high precipitation during the critical period for the growth of L. chinensis . Nitrogen addition increased the N concentration and N to P ratio of L. chinensis tissue, but decreased the C to N ratio in the leaf and stem of L. chinensis . Compared to the control, N addition increased C and N concentrations and the N to P ratio, but decreased P concentration and the C to N ratio.

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 enseignants0,135
Score d'incertitude au seuil0,334

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,010
Tête enseignante GPT0,194
Écart entre enseignants0,184 · 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

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgronomy JournalMême sujetSoil Carbon and Nitrogen DynamicsTravaux en français237 207