MétaCan
Menu
Retour à la cohorte
Enregistrement W4213075133 · doi:10.1002/eap.2575

Ecosystem restoration and belowground multifunctionality: A network view

2022· article· en· W4213075133 sur OpenAlexaff
Dashuan Tian, Yangzhou Xiang, Eric W. Seabloom, Han Y. H. Chen, Jinsong Wang, Guirui Yu, Ye Deng, Zhaolei Li, Shuli Niu

Notice bibliographique

RevueEcological Applications · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensLakehead University
Organismes subventionnairesYouth Innovation Promotion Association of the Chinese Academy of SciencesNational Natural Science Foundation of China
Mots-clésRestoration ecologyEcosystemEnvironmental scienceEcologyKey (lock)Land degradationEcosystem servicesLand useBiology

Résumé

récupéré en direct d'OpenAlex

Ecological restoration is essential to reverse land degradation worldwide. Most studies have assessed the restoration of ecosystem functions individually, as opposed to a holistic view. Here we developed a network-based ecosystem multifunctionality (EMF) framework to identify key functions in evaluating EMF restoration. Through synthesizing 293 restoration studies (2900 observations) following cropland abandonment, we found that individual soil functions played different roles in determining the restoration of belowground EMF. Soil carbon, total nitrogen, and phosphatase were key functions to predict the recovery of belowground EMF. On average, abandoned cropland recovered ~19% of EMF during 18 years. The restoration of EMF became larger with longer recovery time and higher humidity index, but lower with increasing soil depth and initial soil carbon. Overall, this study presents a network-based EMF framework, effectively helping to evaluate the success of ecosystem restoration and identify the key functions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,512
Score d'incertitude au seuil0,774

Scores Codex et Gemma par catégorie

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 technologies0,0010,000
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 Opus0,019
Tête enseignante GPT0,218
Écart entre enseignants0,198 · 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 tête enseignante, 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

Citations27
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcological ApplicationsMême sujetSoil Carbon and Nitrogen DynamicsTravaux en français237 207