Plant biotype interacting grazing activity shapes grassland ecosystem functions
Notice bibliographique
Résumé
Abstract Grasslands play an essential role in maintaining the health of planet Earth, but many grasslands have lost their ecosystem services due to unsustainable management practices, such as overgrazing. Little is known about how grazing activity interacts with plant biotypes, impacting grassland ecosystem services. Here, we (1) assessed the relative performance of five plant biotypes in response to grazing activities and (2) determined the effectiveness of grazing exclusion in enhancing soil physiochemical properties in grasslands. The synthesis of 39,214 observations on plant‐, soil‐, and anthropogeny‐related factors from 88 published studies revealed that grazing exclusion increased aboveground plant biomass accumulation by 100.4% (±4.2 SE), belowground biomass by 70.2% (±25.7), total soil C content by 21.4% (±1.7), and soil organic carbon (SOC) concentration by 14.3% (±0.8), on average, as compared to moderate‐to‐heavy (MtH) grazing. Plant biotypes responded to grazing activities differently; alpine meadows increased total soil C content by 107.2%, alpine steppes increased SOC by 52.2%, but desert steppes decreased total C content by 21.8% under the grazing exclusion. All plant biotypes reduced soil bulk density by 6.4%–19.4% under grazing exclusion. Soil microbial community diversity responded to grazing activities inconsistently, ranging from an 18% decrease to a 26% increase in soil microbial diversity compared to MtH grazing. We conclude that selecting appropriate plant biotypes alongside improved grazing management will enhance grassland ecosystem functions and services as plant biotypes affect aboveground and belowground biomass and interface with soil physiochemical properties.
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 | 0,000 | 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 | 0,001 |
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 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 ».