Global pattern and drivers of nitrogen saturation threshold of grassland productivity
Notice bibliographique
Résumé
Abstract Ecosystem productivity usually exhibits first increase and then saturated response to increasing nitrogen (N) additions, yet the broad‐scale pattern and potential drivers of the N saturation threshold are little investigated. By synthesizing N addition experiments with at least four N‐input levels from the global grasslands, we applied the quadratic‐plus‐plateau model to fit the above‐ground net primary productivity (ANPP)–N rate relationship, and estimated the saturation threshold for N rate (critical N rate, N CR ) and ANPP (maximum ANPP, ANPP max ) from the inflection point where ANPP no longer statistically increased with N rate for individual experiments. Based on these estimations, we investigated the spatial pattern and driving factors of N CR and ANPP max . The mean N CR and ANPP max were 15.0 and 477.0 g m −2 year −1 , respectively, but varied substantially among single‐site experiments. Management strategies (e.g. biomass harvest, different N forms and addition frequencies) minimally influenced both parameters. Structural equation models demonstrated that the spatial differences in N CR and ANPP max were mainly explained by aridity index, and soil carbon (C)/N ratio also predicted the variation in N CR . Given that grasslands are important not only for the trend and variability of the land C sink but also for the maintenance of pasture yield, the pattern and controls of N CR and ANPP max , as revealed by the current study, are crucial for constructing robust predictions of C sink capacity and improving N fertilizer management in grasslands.
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 | 0,000 |
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 ».