MétaCan
Menu
Retour à la cohorte
Enregistrement W3007103691 · doi:10.3390/su12041507

Biennial Mowing Maintains the Biomass and Functional Diversity of Semi-Arid Grassland

2020· article· en· W3007103691 sur OpenAlexaff
Tianqi Zhao, Feng Zhang, Rongzhen Suo, Chen Gu, Daling Chen, Tony Yang, Mengli Zhao

Notice bibliographique

RevueSustainability · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesInner Mongolia Agricultural UniversityNational Natural Science Foundation of China
Mots-clésGrasslandBiomass (ecology)Perennial plantAridSpecies richnessPlant communityAgronomyBiodiversityEcosystemSpecies diversityDisturbance (geology)AgroforestryInner mongoliaGrowing seasonEcologyEnvironmental scienceBiologyGeographyChina

Résumé

récupéré en direct d'OpenAlex

Understanding the functional diversity relationship between biomass and plants is a key issue in biodiversity–ecosystem functionality and the utility of grassland. We conducted a five-year mowing experiment to examine the effects of the mowing frequency on biomass, plant species, and functional diversity of a natural plant community in a semiarid region of Inner Mongolia. A secondary objective was to test whether unmowed refuge areas within plots would mitigate the disturbance effect of mowing. The result showed that mowing disturbance reduced biomass by the greatest amount with mowing once every year (M1) and the least with M2. The biomass composition of M2 consisted of a greater mass of perennial species than in the other mowing treatments but was equivalent to the control (CK). However, mowing disturbances increased the plant species richness and M2 had the largest number of species. The community-weighted means (CWM) indices indicated that M2 produced the least detrimental effects on the grassland. Retaining unmowed refuge areas appeared to be ineffective in promoting beneficial community traits under M1 mowing regimes. Based on our results, we recommend that the semi-arid grassland be mowed every other year in order to optimize sustainable production.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,010
Tête enseignante GPT0,211
Écart entre enseignants0,201 · 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 source (Gemma direct ou Codex distillé), 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

Citations16
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207