Impact of drought stress and fertilization on plant traits and nonstructural carbohydrates of Red-Heart Chinese fir
Notice bibliographique
Résumé
Understanding how drought stress and fertilization influence plant physiological responses is essential for improving forest management under climate change. Previous research has primarily focused on the effects of drought stress on resource allocation and mortality. However, the interaction effect of fertilization and drought on key plant traits and non-structural carbohydrates (NSCs) dynamics remains uncertain, particularly in Red-Heart Chinese fir ( Cunninghamia lanceolata (Lamb.) Hook.). In this study, the effects of different drought stress gradients and fertilization on aboveground plant traits (different organ biomass, water content, needle number, needle area), belowground plant traits (tap root depth and lateral root spreads), leaf water potential and NSCs were examined in a pot experiment. The trade-offs in growth between aboveground and belowground plant traits become increasingly evident with soil drought gradients. Saplings in the wettest ( W 25min ) and driest ( W 0min ) group in both fertilized and unfertilized groups show clear differentiation along the two principal component axes, which are primarily determined by variations in the number of leaves on branches and leaf predawn water potential. Drought intensity mainly influences the leaf total NSCs, and the drought duration mainly influences the branch total NSCs. Fertilization typically promotes the growth of plants, especially below ground tissues. However, fertilization during drought exacerbated mortality in our experiment, especially for the moderate drought. The work highlights that Red-heart Chinese fir traits respond to drought stress gradients and fertilization, demonstrates that fertilization in combination with drought has an antagonistic effect on the growth and survival of red-heart Chinese fir saplings.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 source (Gemma direct ou Codex distillé), 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 ».