MétaCan
Menu
Retour à la cohorte
Enregistrement W4417360450 · doi:10.1016/j.geoderma.2025.117654

Vegetation change impacts on moisture recycling are closely linked to plant water uptake strategies in the Loess-covered region in China

2025· article· en· W4417360450 sur OpenAlexaff
Jiaxin Wang, Hanzheng Ya, J. S. Ha, Wangjia Ji, Jineng Sun, Xiaohua Wei, Zhi Li

Notice bibliographique

RevueGeoderma · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensOkanagan University CollegeUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésVegetation (pathology)ChinaMoistureHydrology (agriculture)Water cycleClimate changeChine

Résumé

récupéré en direct d'OpenAlex

Understanding how vegetation change affects moisture recycling is crucial for comprehending land–atmosphere coupling. Constrained by moisture and isotope mass balances, we quantified the contributions of evaporation ( f E ) and transpiration moisture ( f T ) to precipitation across different types of vegetation (grassland, shrubland, and forestland), and elucidated the influence of vegetation change on moisture recycling ( f post - f pre ). Furthermore, we assessed the mechanisms behind the changes in moisture recycling from the perspective of plant water uptake. The mean moisture recycling rate ( f ) in the study region during the rainy period was found to be 21 %, contributing 48 mm of local precipitation. Notably, transpiration was the dominant contributor to moisture recycling ( f T / f = 67 %). Following the transition from shallow- to deep-rooted plants, f E decreased while f T increased, with the changes accounting for 17 % and 50 % of mean recycling rate, respectively. Moisture recycling rates were significantly influenced by plant water uptake strategy. The shallow-rooted plants primarily used shallow soil water (0–0.8 m, 63 %), with minimal dependence on lower-deep (2–3 m) and deep (>3 m) soil water, which together accounted for only 13 %. Conversely, the deep-rooted plants relied less on shallow soil water (37 %) and a significantly higher reliance on lower-deep and deep soil water (2–3 m and > 3 m; combined 42 %), particularly during dry spells. Moreover, the increasing contribution of deep soil water at the monthly scale aligned with that of f T . Thus, the transition in vegetation from shallow- to deep-rooted plants increased moisture recycling by using deep soil water for transpiration. This study improves the understanding of hydrological dynamics in the soil–plant–atmosphere continuum (SPAC).

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,111

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
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,031
Tête enseignante GPT0,249
Écart entre enseignants0,218 · 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 revueGeodermaMême sujetSoil Carbon and Nitrogen DynamicsTravaux en français237 207