MétaCan
Menu
← Retour à la cohorte
Enregistrement W3045284242 · doi:10.1139/cjfr-2019-0386

Biochar effects on germination and radicle extension in temperate tree seedlings under field conditions

2020· article· en· W3045284242 sur OpenAlexaffvenue
Sean C. Thomas

Notice bibliographique

RevueCanadian Journal of Forest Research · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésBiocharGerminationSeedlingBiologyRadicleTemperate climateBotanyAgronomyHorticultureChemistry

Résumé

récupéré en direct d'OpenAlex

Pyrolyzed organic matter, or biochar, generally increases the growth of established plants; in some cases, biochar also promotes seed germination in agricultural species, but comparable effects on tree species have received little attention. Potential biochar effects on seed germination and early seedling development were examined in a field experiment involving 14 species of temperate forest trees. Replicated sets of seeds with and without biochar (at 5 t·ha–1) were placed in mesh bags beneath leaf litter near the time of autumnal leaf fall and retrieved the following spring. Pooled analyses show a positive but small average effect of biochar on germination. Effects on seedling radicle extension growth were more pronounced, with more than a doubling in growth observed overall and large increases observed in some species, including both conifers (e.g., Picea mariana (Mill.) Britton, Sterns & Poggenb. and Pinus resinosa Sol. ex Aiton) and angiosperms (Betula papyrifera Marsh., Prunus virginiana L., and Ulmus americana L.). Species varied in responses, but differences were not related to fire or shade tolerance. The results indicate that biochar can substantially enhance early seedling development in temperate trees; likely mechanisms involve “priming” effects resulting from increased pH and potassium availability or sorption of germination-inhibiting phenolics in the litter layer.

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 enseignants0,007
Score d'incertitude au seuil0,013

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)0,0010,000

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 Opus0,043
Tête enseignante GPT0,289
Écart entre enseignants0,246 · 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

Citations15
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest Research→Même sujetSoil Carbon and Nitrogen Dynamics→Travaux en français237 207→