The role of plant functional traits and diversity in soil carbon dynamics within riparian agroforests
Notice bibliographique
Résumé
Abstract Restoration of agricultural riparian buffers with trees (agroforestry) provides an elegant solution to enhance carbon storage while also augmenting local biodiversity. Yet the scope and role of riparian plant community diversity in key soil dynamics remain unresolved. Operationalizing riparian age (young [<10 yr] and mature [>30 yr] since establishment] and forest stand type (coniferous and deciduous dominant) to capture the potential extent of plant diversity, we measured plant functional trait diversity and community weighted mean trait values, microbial composition, abiotic soil conditions, and rates of soil CO 2 efflux (mg CO 2 ‐C m –2 h –1 ). We used piecewise structural equation modeling (SEM) to further refine the role of biotic indices (leaf, root, and microbial characteristics), and abiotic factors (soil physio‐chemical metrics) on soil C cycling processes in riparian systems. We found significantly lower rates of CO 2 efflux ( F = 8.47; p < .01) over one growing season and higher total soil C ( F = 3.46; p = .03) in mature buffers compared with young buffers. Using SEM, we describe influences on soil C content (marginal r 2 = 61) and soil CO 2 efflux (marginal r 2 = 53). Within young buffers, soil C content was significantly predicted by fungal/bacterial ratio and root length density, whereas in mature buffers, tree leaf characteristics were associated with soil C content. Soil CO 2 efflux was predicted by soil moisture, soil carbon content, and herbaceous root characteristics. Evidently, leaf and root functional traits in combination with broad soil parameters significantly describe soil C dynamics in the field; however, significant pathways are not the same throughout the life cycle of a riparian agroforest.
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 ».