The Effects of Plant and Soil Characteristics on Partitioning Different Rainfalls to Soil in a Subtropical Chinese Fir Forest Ecosystem
Notice bibliographique
Résumé
The climate-induced changes in soil water patterns pose a serious threat to subtropical plantations. Mixed species stands have been advocated as an efficient way to enhance ecosystem stability. However, little is known about their possible impact on the soil water-holding capacity in the subtropics. In this study, we employed a stable hydrogen isotope to assess the contribution of rainfall to soil water (CRSW) in a pure Chinese fir (Cunninghamia lanceolata) plantation and in two mixtures of Chinese fir with Cinnamomum camphora or with Alnus cremastogyne after three different magnitudes of rainfall events in subtropical China. Furthermore, we used structure equation modeling (SEM) to quantify the relative importance of vegetation and soil properties on the CRSW. The results indicated that the CRSW did not differ among these three Chinese fir plantations after light rainfall, whereas the CRSW of moderate and heavy rainfall to soil water were 15.95% and 26.06% higher in Chinese fir plantation with Cinnamomum camphora, and 22.67% and 22.93% higher in Chinese fir plantation with Alnus cremastogyne than that in the pure Chinese fir plantation, respectively. SEM analysis showed that the vegetation biomass and soil properties significantly affected the CRSW following light rainfall, but the soil properties were the most important factors influencing the CRSW under moderate and heavy rainfall. Our findings demonstrate that the mixed conifer–broad-leaved plantation is a more effective strategy for improving the soil water-holding capacity than the pure conifer plantation in subtropical regions, which is conducive to coping with the frequent seasonal droughts and extreme precipitation events.
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 ».