MétaCan
Menu
Retour à la cohorte
Enregistrement W4228998837 · doi:10.1139/as-2021-0053

Bryophyte species differ widely in their growth and N<sub>2</sub>-fixation responses to temperature

2022· article· en· W4228998837 sur OpenAlexvenueno aff
Agnieszka Rzepczynska, Anders Michelsen, Maya Anne Nissen Olsen, Signe Lett

Notice bibliographique

RevueArctic Science · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePeatlands and Wetlands Ecology
Établissements canadiensnon disponible
Organismes subventionnairesPolarforskningssekretariatet
Mots-clésBryophyteFixation (population genetics)BiologyEnvironmental scienceEcologyGenetics

Résumé

récupéré en direct d'OpenAlex

Bryophytes are abundant in tundra ecosystems, where they affect carbon and nitrogen cycling through primary production and associations with N2-fixing bacteria. Bryophyte responses to climate warming are inconclusive, likely because species-specific responses are poorly understood. Here we investigated how warming affects the growth and nitrogenase activity of 10 tundra bryophyte species in two tundra landscapes. Collected bryophyte samples were grown in temperature-controlled growth chambers for 12 weeks at five temperatures from 3 to 18 °C. We measured growth, N concentration, δ15N, and δ13C after 3 months and nitrogenase activity after 5 and 12 weeks. Bryophyte growth and associated nitrogenase activity generally increased with temperature, but species differed in their optima. Bryophyte N concentration and δ15N indicated that, for some species, increased N2-fixation could not compensate for growth-induced N limitation. High landscape coverage and large positive warming effects on feather mosses and Sphagnum species highlight their competitive advantages, confirm earlier field observations, and contribute to the mechanistic understanding of differential bryophyte growth in response to warming. We suggest that indirect effects of climate change, such as surface drying and shrub expansion, are likely main threats to slow-growing bryophytes across the Arctic, with consequences for biodiversity and C balance.

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 enseignants0,006
Score d'incertitude au seuil0,013

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 technologies0,0010,000
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 Opus0,009
Tête enseignante GPT0,207
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 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

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArctic ScienceMême sujetPeatlands and Wetlands EcologyTravaux en français237 207