Effects of initial leaching for estimates of mass loss and microbial decomposition—Call for an increased nuance
Notice bibliographique
Résumé
Decomposition is essential to carbon, nutrient, and energy cycling among and within ecosystems. Several methods have been proposed for studying litter decomposition by using a standardized and commercially available substrate. One of these methods is the Tea Bag Index (TBI) which uses tea bags (green and rooibos tea) incubated for ~90 days. The TBI is now applied all over the globe, but despite its usefulness and wide application, the TBI (as well as other methods) does not explicitly account for the differences in potential loss of litter mass due to initial leaching in habitats with large differences in moisture. We, therefore, studied the short-term mass losses (3-4 h) due to initial leaching under field and laboratory conditions for green and rooibos tea using the TBI and contextualized our findings using existing long-term mass loss (90 days) in the field for both aquatic and terrestrial environments. For both tea litter types, we found a fast initial leaching rate, which could be mistaken for decomposition through microbial activity. This initial leaching was higher than the hydrolyzable fraction given in the description of the TBI. We also found that leaching increased with increasing temperature and that leaching in terrestrial environments with high soil moisture (>90%) is almost as large as in aquatic environments. When comparing our findings to long-term studies, we found that up to 30-50% of the mass loss of green tea reported as decomposition could be lost through leaching alone in high moisture environments (>90% soil moisture and submerged). Not accounting for such differences in initial leaching across habitats may lead to a systematic overestimation of the microbial decomposition in wet habitats. Future studies of microbial decomposition should adjust their methods depending on the habitat, and clearly specify the type of decomposition that the study focuses on.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».