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, NCR) and ANPP (maximum ANPP, ANPPmax) 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 NCR and ANPPmax. The mean NCR and ANPPmax 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 NCR and ANPPmax were mainly explained by aridity index, and soil carbon (C)/N ratio also predicted the variation in NCR. 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 NCR and ANPPmax, 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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 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 ».