MétaCan
Menu
Retour à la cohorte
Enregistrement W4399053612 · doi:10.19189/map.2016.omb.258

The effects of water management on the CO2 uptake of Sphagnum moss in a reclaimed peatland

2017· article· en· W4399053612 sur OpenAlexafffund
C M Brown, Maria Strack, Jonathan S. Price

Notice bibliographique

RevueMires and Peat · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePeatlands and Wetlands Ecology
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of WaterlooUniversité Laval
Mots-clésSphagnumPeatMossEnvironmental scienceHydrology (agriculture)ForestryEcologyGeologyGeographyBiologyGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

To harvest Sphagnum on a cyclic basis and rapidly accumulate biomass, active water management is necessary. The goal of this study is to determine the hydrological conditions that will maximise CO2 uptake in Sphagnum farming basins following the moss-layer transfer technique. Plot CO2 uptake doubled from the first growing season to the second, but growth was not uniform across the site. Results indicate that the seasonal oscillations in water table (WT) position were more important than actual WT position for estimating Sphagnum ground cover and CO2 uptake when the seasonal WT is shallow (< -25 cm). Plots with higher productivity had a WT range (seasonal maximum – minimum) less than 15 cm, a WT position which did not fluctuate more than ± 7.5 cm, and a low WT standard deviation. Each basin was a CO2 source during the second growing season, and seasonal modelled NEE ranged from 107.1 to 266.8 g CO2 m-2. Decomposition from the straw mulch accounted for over half of seasonal respiration, and the site is expected to become a CO2 sink as the straw mulch decomposes and moss cover increases. This study highlights the importance of maintaining stable moisture conditions to increase Sphagnum growth and CO2 sink functions.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,008
Tête enseignante GPT0,217
Écart entre enseignants0,209 · 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

Citations14
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMires and PeatMême sujetPeatlands and Wetlands EcologyTravaux en français237 207