MétaCan
Menu
Retour à la cohorte
Enregistrement W3193585640 · doi:10.1139/cjfr-2020-0450

Multiple responses of fine root resource uptake strategies to gravel content in a subtropical plantation

2021· article· en· W3193585640 sur OpenAlexvenueno aff
Xiaoli Fu, Shengwang Meng, Liang Kou, Xiaoqin Dai, Huimin Wang

Notice bibliographique

RevueCanadian Journal of Forest Research · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant nutrient uptake and metabolism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiomass (ecology)Substrate (aquarium)NutrientColonizationSubtropicsSoil waterRoot systemEnvironmental scienceTropical and subtropical moist broadleaf forestsBiologyAgronomyBotanyEcologySoil science

Résumé

récupéré en direct d'OpenAlex

Most forest soils contain substantial amounts of gravel. However, unlike the more widely known root resource uptake behaviors which respond to resource patches in substrate without gravels, how roots respond to substrate containing different gravel levels is poorly understood. We grew roots in substrates with five gravel levels (0%, 10%, 20%, 30%, and 40% of volume) in a subtropical Schima superba Gardn. et Champ plantation, determined fine root dynamics and turnover rate with minirhizotrons, measured fine root morphological, architectural, mycorrhizal colonization, chemistry, and mass allocation. The presence of gravel in the substrate delayed the timing of peak root growth. In the substrate with higher gravel content, plants produced more in roots in autumn, but there were fewer roots in summer and the roots tended to exhibit lower fine root turnover rate and mycorrhizal colonization, but higher root biomass allocation. The higher root biomass in the substrate with higher gravel content was associated with higher root carbon/nitrogen ratio. Our findings emphasize the complexity of root resource uptake behavior in response to gravel content and suggest that incorporating substrate gravel content into root studies may help to improve the prediction of patch exploitation and nutrient acquisition in stony soils.

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 enseignants0,028
Score d'incertitude au seuil0,056

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 Opus0,122
Tête enseignante GPT0,301
Écart entre enseignants0,180 · 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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetPlant nutrient uptake and metabolismTravaux en français237 207