Plant species-specific Effects on Boreal Soil Fertility in Mature and Fire-Disturbed Forest
Notice bibliographique
Résumé
Soil fertility is the ability for soil to meet the requirements for plant growth. The soil fertility is influenced by both fire disturbance and plant species. Competitive species contribute higher quality leaf litter than stress-tolerant species in the boreal forest which influences aspects of soil fertility. The effect that plants with different life history strategies have on soil fertility has not been studied in the context of high-severity fire. Soil fertility variables including organic layer depth, soil temperature, soil respiration rate, pH, inorganic nitrogen content, percent soil organic matter, and percent water retention were compared between soil samples from replicate plots in the boreal forest near Churchill Manitoba, and soil samples from replicate plots in a fire-disturbed site in the boreal forest. Additionally, soil fertility variables were compared between soils sampled from competitive species (Salix candida) and stress-tolerant species (Empetrum nigrum and Vaccinium uliginosum) growing in the two sites. Statistical differences in soil variables were found between soil samples from the boreal forest and soil samples from a fire-disturbed site. High-severity fire reduces the organic layer depth and decreases the pH, soil respiration rate, and available nutrients. Inorganic nitrogen content and relative growth rate of sea lyme grass grown in soil samples were statistically different between the competitive plant Salix candida and the stress-tolerant plants. Salix candida influences soil fertility by increasing the inorganic nitrogen content and fostering soils that increase the relative growth rate of sea lyme grass. As the frequency, intensity, and severity of fires in the boreal forest are increasing due to climate change, it is important to understand how species impact soil fertility.
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) | 0,001 | 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 ».