Efficacy of labile carbon addition to reduce fast‐growing, invasive non‐native plants: A review and meta‐analysis
Notice bibliographique
Résumé
Abstract Elevated soil nitrogen (N) resulting from pollution, fertilizer and woody encroachment in grasslands enhances invasion pressures from weedy plant species. Sawdust, sucrose and other labile carbon (C) sources can be used as a soil amendment to combat the growth of fast‐growing, invasive non‐native plants by immobilizing soil N. Here, we present a systematic review of 83 publications, and a meta‐analysis from 48 publications. Using hierarchical mixed‐effects meta‐analytic models, we synthesized 655 responses from native plants and 486 responses from non‐native weeds to quantify the overall effect of C addition. We explored the possible explanations for variation in effect, such as differences in study conditions and how C was applied. Carbon addition studies were almost exclusively reported from the United States, Australia and Canada (93%). The majority of papers (63%) did not include any cost information. Overall, C addition significantly decreased non‐native weed abundance, but did not significantly affect native plant abundance. A C application rate of at least 210 g C m −2 year −1 (5 Mg sucrose ha −1 year −1 or 4.6 Mg sawdust ha −1 year −1 ) decreased non‐native weed abundance, but a rate of 2110–3000 g C m −2 year −1 (50–71 Mg sucrose ha −1 year −1 or 46–65 Mg sawdust ha −1 year −1 ) was required to significantly increase native plant abundance. Carbon addition was most effective in the western USA and southeastern Australia, and when used to suppress non‐native grasses (annual or perennial) and annual forbs. Simultaneous seeding of native species prevented an overall decrease in native plant abundance. Synthesis and application . When there is a nearby and inexpensive source of C available, we recommend C addition with simultaneous seeding of native species to control invasive non‐native grasses and annual forbs in semi‐arid and arid regions of the western USA and southeast Australia. In contrast to other weed control measures, especially herbicide, C addition does not significantly harm native perennial plants. Future studies should implement longer‐term monitoring, establish larger plots and include cost analysis to improve guidance for land managers.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,004 | 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 ».