Nutritional response of sugar maple seedlings to water stress under highly nitrogen‐enriched soil conditions
Notice bibliographique
Résumé
Abstract Background Temperate forests of eastern North America will be increasingly affected by chronic atmospheric nitrogen deposition, elevated temperatures, and drought events that will expose trees to moisture‐stressed conditions in non‐nitrogen‐limited soils. Yet, little is known regarding the response of sugar maple‐dominated forests to moisture stress under non‐nitrogen‐limiting conditions. Aims The objective of this greenhouse study was to analyze the effects of moisture stress on the nutrition and growth of sugar maple seedlings growing on base‐poor forest soils that were strongly fertilized with nitrogen. Methods One‐year‐old sugar maple seedlings were grown with and without water stress on soils from a sugar maple stand that had been fertilized for 15 years at a rate of 85 kg N ha−1 y−1. Results Decreased moisture availability decreased total, leaf, root and stem biomass, and root/stem ratio. Leaf concentrations of N, P, Ca, and Mg and root concentrations of K, Ca, and Mg were 6% to 23% significantly lower under stressed versus unstressed conditions despite no changes in N, P, K, and Mg concentrations in the soil. Only soil Ca concentration was negatively affected by the moisture stress treatment. Soil and leaf δ15N and the k‐factor (i.e., isotopic discrimination effect of 15N‐labeled sources of N between roots and soil) that was used to assess N‐use efficiency of sugar maple seedlings did not differ between water stress treatments. Conclusions Our results indicate that decreasing root biomass of sugar maple seedlings under moisture stress in non‐nitrogen‐limiting situations would decrease their ability to take up nutrients that are necessary for growth and induce lower concentrations in leaves and roots. Expected severe drought events could substantially limit nutrient uptake capacity of sugar maple seedlings on sites that are subject to chronic atmospheric N‐deposition, which would contribute to dieback in sugar maple stands.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 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 ».