Glyphosate-based herbicide contributes to nutrient variability in forest plants
Notice bibliographique
Résumé
In forestry, glyphosate-based herbicide (GBH) is applied to some logged areas to remove deciduous and herbaceous vegetation competing with commercial coniferous trees. Glyphosate has the potential to form insoluble complexes with metal ions, altering the bioavailability of metals in soil and water. The aim of this study was to determine if GBH influenced the concentrations of available nutrients in forest plants. We sampled willow ( Salix sp.), red osier dogwood ( Cornus sericea ), and fireweed ( Chamaenerion angustifolium ) from forests up to 12 years after GBH applications. Across the three focal species, only Mn consistently increased with GBH treatment. Significant positive correlations between nutrient and glyphosate concentrations within plant tissues were found for Mn and Zn, while negative correlations were found for Ba, Ca, Mg, and Ni. B, Ca, Mn, and species were significant predictors of GBH treatment. A greater number of significant differences between controls and treated samples were noted in nutrients of fireweed and red osier dogwood at year one post-treatment, while willow showed greater differences between controls and treated samples at year 12 post-treatment. The analyses conducted indicate a relationship between GBH treatment and resulting nutrient regimes after GBH applications, yet it is complex and variable. It is clear that there are species specific trends within the dataset. Due to this complexity, more research should be conducted, as many questions remain unanswered. Further research is needed to disentangle both short and long-term impacts of widespread use of GBH products in modern silviculture.
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 ».