Effects of thinning and understory removal on the soil water-holding capacity in Pinus massoniana plantations
Notice bibliographique
Résumé
Forest management practices play an important role in regulating the soil water-holding capacity of plantation. However, most studies focus on soil water dynamics present during large-scale forest loss and afforestation events, while little is known about how soil water under different forest management practices responds to rainfall events and which factors mainly regulate soil water-holding capacity. In this study, a stable hydrogen isotope was used to explore the contribution of three natural rainfall events (8.9, 13.3 and 67.7 mm) to soil water (CRSW) in a Pinus massoniana plantation under four forest management practices (no thinning (NTN), understory removal (USR), light-intensity thinning (LIT) and heavy-intensity thinning (HIT)) in the Three Gorges Reservoir Area of the Yangtze River Basin in China. Furthermore, a structural equation model was employed to determine the effects of vegetation biomass and soil properties on the CRSW. The results showed that plantation soil under different forest management practices exhibited different water-holding capacities. Following light (8.9 mm) and moderate (13.3 mm) rainfall events, the CRSW in the HIT stand was slightly higher than that in the other stands. Following heavy (66.7 mm) rainfall event, the CRSW of most layers in USR stand was not different from the other three stands, while the CRSW in the LIT and NTN stands was significantly higher than that in the HIT stand in the 0-100 cm soil layers, suggesting that soil in the LIT and NTN stands had a greater water-holding capacity than that in the HIT stand. In addition, soil properties were the main factors directly affecting the CRSW, explaining 60% and 37% of the variation in the CRSW on the first and seventh days after heavy rainfall, respectively. Overall, compared to the HIT stand, the LIT and NTN stands showed greater capacity in retaining rainwater. Therefore, under expected global changes with frequent occurrences of extreme precipitation events, methods involving light-intensity and no thinning should be employed to build up soil and water conservation functions, which will be critical for keeping water-holding capacity and moderating floods.
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 | 0,001 | 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 ».