MétaCan
Menu
← Retour à la cohorte
Enregistrement W6910860029 · doi:10.5061/dryad.tb2rbp01h

Effect of soil temperature on nitrogen fixation in Alnus

2021· dataset· en· W6910860029 sur OpenAlexaff

Notice bibliographique

RevueOpen MIND · 2021
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésTaigaNitrogen fixationPhotosynthesisNitrogenSoil waterGrowing seasonBiomass (ecology)Temperate climate

Résumé

récupéré en direct d'OpenAlex

Purpose: The short growing season and cold climate of the boreal forest can restrict soil nitrogen availability, limiting plant growth and ecosystem productivity. Vascular nitrogen-fixing plants should have an advantage in low nitrogen environments. Yet, their abundance in the boreal forest is low. How nitrogen fixation is affected when temperature differences occur between the soil and air, especially in the spring when soil temperatures remain cool, has not been documented in actinorhizal shrubs. Methods: A lab study was performed on Alnus alnobetula subsp. crispa (Aiton) Raus. For 13 weeks, soil was kept at either 10˚C, 14˚C or 16˚C, independently of shoot temperature, at 20˚C. Results: Soils at 14˚C and 10˚C inhibited whole-plant nitrogen fixation (by 53% and 68%) and photosynthesis (by 43% and 39%), respectively, compared to soils at 16˚C. Reductions in photosynthetic rate were mainly attributed to a reduction in the fixed nitrogen supply and subsequent reduction in chlorophyll formation. Photosynthesis was not reduced immediately, suggesting some utilization of a nitrogen source not supplied from current fixation. Reduced amounts of fixed nitrogen and photosynthates resulted in diminished biomass production and relative growth rate. Conclusion: The assumed advantages of being a nitrogen-fixing plant in a low nitrogen environment may be constrained by soil temperature to a larger extent than previously considered. This may restrict the abundance of nitrogen-fixing species in the boreal forest.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,084

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,004

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 Opus0,015
Tête enseignante GPT0,315
Écart entre enseignants0,300 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Travaux en français237 207→