Disentangling the Effects of Tree and Soil Properties on the Water Uptake of a Waterlogging Tolerant Tree in the Yangtze River Delta, China
Notice bibliographique
Résumé
Waterlogging tolerant tree species exert a critical role in forest preservation and the associated water conservation in flood prone areas. Clarifying the patterns and drivers of water uptake by waterlogging tolerant trees is crucial for forest management in flood-prone areas, especially in the scenario of precipitation changes in the estuary delta. Here, we uploaded the values of δD and δ18O obtained from soil and xylem waters to a Bayesian mixed model (MixSIAR) to determine the water use pattern of Taxodium distichum, a waterlogging tolerant tree, following different magnitudes of rainfall events in three sites of the Yangtze River Delta, China. We further conducted variation partitioning analysis and a random forest model to discern the dominant factor driving plant water uptake. Our results indicated that T. distichum mainly absorbed soil water from shallow soil layers (0–40 cm, 43.63%–74.70%), while the percentage of water uptake from deep soil layers was lower in the Yangtze River Delta (60–100 cm, 13.43%–35.90%), whether in light, moderate, or heavy rainfall conditions. Furthermore, our results demonstrated that tree traits, such as fine root biomass, are dominantly driving plant water uptake. These findings imply that waterlogging tolerant tree species could increase the percentage of water uptake from shallow soils by changing their plant attributes, which would effectively improve the water conservation of forests in the estuary delta.
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 ».