MétaCan
Menu
← Retour à la cohorte
Enregistrement W4385223213 · doi:10.1139/cjfr-2022-0327

Microenvironment has little effect on the litter decomposition rate of temperate trees

2023· article· en· W4385223213 sur OpenAlexvenueno aff
Frida I. Piper, Alejandro Cárdenas, Alejandra Zúñiga‐Feest, Julieta Orlando, Diego Leiva, Aldo Rolleri

Notice bibliographique

RevueCanadian Journal of Forest Research · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensnon disponible
Organismes subventionnairesAgencia Nacional de Investigación y DesarrolloFondo Nacional de Desarrollo Científico y TecnológicoUniversidad Austral de Chile
Mots-clésCanopyLitterBiologyPlant litterTree canopyTemperate climateEcologyDecompositionTemperate rainforestTemperate forestBotanyEcosystem

Résumé

récupéré en direct d'OpenAlex

Individual tree species might affect underground soil properties to favor the decomposition of their own litter. However, in some studies, monospecific litter decomposed faster underneath multispecific canopies than under canopies of the same species as the litter, suggesting that plant diversity in the overstorey creates a more favorable decomposition microenvironment. We compared the decomposition rate of monospecific litter from eight temperate tree species under the crown of the same species as the litter (conspecific canopy), and a multispecific canopy formed by eight species. Using model selection, we determined the influence of the microenvironments, species, and litter chemistry on decomposition rates. The most robust model included the species and canopy type, but it differed only slightly from the model including only the species. Decomposition rates were significantly different among species and higher in conspecific canopy than multispecific canopy in all species. Models including specific leaf area and different combinations of chemical traits of the litter were less robust than the null model. These results show that the species origin of the litter was significantly more important than the microenvironment to explain litter decomposition rates.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,033
Tête enseignante GPT0,302
Écart entre enseignants0,268 · 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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest Research→Même sujetEcology and Vegetation Dynamics Studies→Travaux en français237 207→