MétaCan
Menu
← Retour à la cohorte
Enregistrement W4410379583 · doi:10.3389/fmicb.2025.1596515

High plant diversity alleviates the negative effects of nitrogen deposition on soil nitrogen cycling multifunctionality

2025· article· en· W4410379583 sur OpenAlexaff
Zhuo Li, Xiaowei Liu, Minghui Zhang, Bin Zhang, Tao Zhang, Cameron Wagg, Xing Fu

Notice bibliographique

RevueFrontiers in Microbiology · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésCyclingNitrogenNitrogen cycleEnvironmental scienceDeposition (geology)Reactive nitrogenEnvironmental chemistryAgronomyEcologyChemistryBiologyGeographyForestry

Résumé

récupéré en direct d'OpenAlex

Introduction: Changes in plant diversity and increased atmospheric nitrogen deposition independently influence soil nitrogen cycling in terrestrial ecosystems. However, the interactive effects of plant diversity and nitrogen deposition on soil nitrogen cycling multifunctionality (NCMF) in grassland ecosystems remain poorly understood. Methods: ) and plant diversity gradients (1, 3, and 6 species). Results: Our results revealed a significant interactive effect between plant diversity and nitrogen addition on soil NCMF. Specifically, high plant diversity alleviated the negative effects of nitrogen addition on soil NCMF. The addition of nitrogen reduced the soil pH, which imposed microbial stress by limiting carbon availability. In contrast, higher plant diversity increased soil organic matter via below-ground carbon inputs, thereby reducing the soil carbon limitation of microorganims and enhancing the soil NCMF. Discussion: Overall, our findings suggest that maintaining or enhancing plant diversity in grasslands could be a key strategy to mitigate the adverse effects of atmospheric nitrogen deposition on soil nitrogen cycling, highlighting the crucial role of plant diversity in regulating ecosystem nutrient cycling under global change.

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 enseignants0,002
Score d'incertitude au seuil0,005

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 ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,006
Tête enseignante GPT0,185
Écart entre enseignants0,180 · 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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Microbiology→Même sujetSoil Carbon and Nitrogen Dynamics→Travaux en français237 207→