Deep Soil Water Availability Regulates the Transpiration of Afforested Apple Trees (Malus pumila Mill.) in a Sub-Humid Loess Region
Notice bibliographique
Résumé
Many studies have investigated how soil water availability in shallow soil affects forest transpiration, but how deep soil water status (below 1 m depth) alters tree water use remains poorly understood. To improve our understanding of how deep soil water changes tree transpiration dynamics, we measured soil water content (SWC) in more than 20 m depths, the radial sap flow profile and the leaf area index (LAI) in the 2017 growing season in 9-, 12-, 16-, 19- and 23-year-old afforested apple (Rosaceae) trees on the Chinese Loess Plateau. SWC was also measured in long-term cultivated farmland to derive SWC before afforestation. The results showed that there was no statistical difference in SWC in shallow soil among orchards (p > 0.05), while SWC in deep soil reduced rapidly with increasing tree age. The average SWC at 1–20 m decreased from 0.27 ± 0.02 cm3 cm−3 in farmland to 0.21 ± 0.03 cm3 cm−3 in the 23-year-old orchard. Moreover, water storage in deep soil decreased by 139 mm yr−1 between the 9- and 12-year-old stands, 105 mm yr−1 between the 12- and 16-year-old stands, 44 mm yr−1 between the 16- and 19-year-old stands, and 9 mm yr−1 from the 19- to 23-year-old stands, indicating that gradually decreased SWC in deep soil has restricted tree water use. Due to the changes in SWC, growing-season transpiration and the LAI peaked in the 16-year-old orchard and then decreased with increasing stand age. Growing-season transpiration in the 23-year-old orchard was only 77% of that in the 16-year stands, despite the older trees having larger diameters at the breast height. Our results suggest that soil water availability in deep soil plays an important role in regulating trees’ transpiration.
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) | 0,000 | 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 ».