Évaluation des facteurs influençant les transferts de nutriments au cours de la décomposition du bois mort en forêts représentatives de l’Est du Canada
Bibliographic record
Abstract
La fixation biologique de l’azote (FBA) dans le bois mort en décomposition contribue à l’entrée de nouvel azote (N) dans l’écosystème forestier boréal, où la production primaire est principalement limitée par l’azote. Les estimations de cette contribution varient de manière importante allant de quelques g ha-1 an-1 à plus de 2 kg N ha-1 an-1. À côté de l’effet de site, les autres hypothèses qui expliqueraient ces larges variations sont (i) la non-inclusion systématique du bois mort souterrain, (ii) la non prise en compte des bactéries méthanotrophes, fixatrices d’azote et inhibées par l’acétylène (gaz utilisé pour estimer la fixation biologique d’azote dans la méthode de réduction de l’acétylène), et (iii) l’absence récurrente de validation du facteur de conversion (facteur R) utilisé pour convertir les données de réduction d’acétylène en réduction de N2. Mon premier objectif était d’évaluer la contribution du bois mort aux entrées de nouvel azote dans les forêts de l’Est canadien et de tester l’effet de ces trois biais méthodologiques sur les estimations des entrées d’N. Nos résultats ont montré que le bois mort contribue faiblement mais significativement aux entrées d’N dans l’écosystème boréal de l’est du Canada dont la production primaire est limitée par l’N (~ 0,120 kg N ha-1 an-1). Ils confirment que les biais méthodologiques peuvent amener une sous-estimation des entrées de nouvel N de 30 % (inclusion du bois mort souterrain) à 180 % (facteur de conversion R). Le bois mort est un substrat pauvre en nutriments, ce qui fait que certains processus biologiques qui supportent la décomposition du bois peuvent être limités. Les champignons saprophytes, considérés comme les principaux décomposeurs du bois, sont un vecteur potentiel de transfert de nutriments vers le bois. Les transferts d’éléments par les champignons pourraient être dépendants de la nature du substrat mais également de l’espèce fongique (champignons de pourriture blanche vs champignons de pourriture brune). Mon deuxième objectif proposait d’étudier les facteurs influençant les transferts de nutriments vers le bois mort (notamment l’effet de l’espèce de champignon et la nature du substrat organique à proximité du bois mort) et également dans quelle mesure ces transferts influencent l’activité microbienne, en prenant pour modèle les bactéries fixatrices de l’azote atmosphérique et le molybdène (métal cofacteur de l’enzyme nitrogénase responsable de la FBA). Les résultats montrent que les champignons participent activement à transférer des nutriments vers le bois mort, notamment du manganèse. Les champignons de pourriture brune augmentent le contenu en molybdène et l’activité des bactéries fixatrices de l’azote atmosphérique. Enfin, les espèces d'arbres et le climat sont considérés comme les facteurs les plus importants pouvant affecter la décomposition du bois mort, mais il s'avère difficile de démêler leur importance relative puisque les deux facteurs se confondent souvent (i.e. les conifères se retrouvent majoritairement plus au nord où le climat est froid, tandis que les feuillus se retrouvent majoritairement plus au sud où le climat est plus chaud/clément). Pourtant, dans un contexte de changements climatiques, il est important de mieux comprendre ce qui contrôle la décomposition du bois mort afin de mieux prédire l’évolution du stockage de carbone dans cette matrice organique. Mon troisième objectif propose d’étudier les facteurs qui contrôlent la décomposition du bois, la colonisation fongique et les flux d'azote pendant la décomposition du bois mort. La décomposition des débris ligneux de cinq essences d’arbres a été suivie sur cinq sites localisés le long d’un gradient bioclimatique et de végétation, afin de contrôler les facteurs climatiques et édaphiques et séparer l’effet de site de l’effet d’espèce. Nous rapportons que l'espèce d'arbre est le principal prédicteur de la décomposition du bois, de la biomasse fongique et de l’azote total. Nous avons également pu observer que les flux d’azote sont très dynamiques au cours de la décomposition du bois, avec une accumulation d’azote exogène plus complexe que la simple accumulation nette d’azote d’origine biogénique.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".