Several attempts have been made to

Several attempts have been made to investigate the large-scale dynamics of fine-root biomass in relation to easily measurable variables (e.g., Kurz et al., 1996; Cairns et al., 1997; Vanninen and Mäkela, 1999; Sant- antonio 1989; Vogt et al., 1996; Li et al., 2003). The problem of course is that because roots are gener- ally buried, our ability to accurately estimate fine-root biomass and production over extensive areas is ex- tremely limited. For example, Kurz et al. (1996) and Cairns et al. (1997) found the ratio of fine-root bio- mass to total root biomass, rather than root biomass itself, was well correlated with total root biomass. For16 data points compiled by Kurz et al. (1996), the value of square of linear correlation coefficient (r2) for the relationship between the fine-root biomass and the total root biomass was 0.28. Using a larger data- base (n = 88) compiled by Vogt et al. (1996), we obtained an r2 value of 0.1 for the same relationship (Figure 1a). Another study by Vanninen and Mäkela (1999) found that basal area was a good predictor of fine-root biomass for Scots pine stands, after the data are stratified according to site quality. To stratify a large data set compiled from many studies according to site quality, however, is impractical because most site quality assessments are (by definition) qualitative and expressed in comparison to other sites in a spe- cific study. In some other studies, site quality is not reported at all. Consequently, a site labelled as ‘good’ in one study can potentially be labelled as ‘poor’ in another. Hence, without stratification, the correlation between fine-root biomass and basal area is likely to be poor. For the datasets compiled in this study (n = 124), the r2 value was 0.21, indicating a weak though statistically significant relationship (Figure 1b). Sant- antonio (1989) found a linear relationship between fine-root and foliage biomass for several conifer spe- cies, but data from other studies indicated that this relationship was variable (e.g., Vanninen and Mäkela 1999). Vogt et al. (1996) investigated a wide range of other relationships between fine-root biomass and abiotic/biotic factors, including soil texture, annual precipitation, annual air temperature (mean, maximum or minimum), levels of N, P, or K in aboveground litterfall, and the mean residence time of forest floor N. The latter researchers looked at both the entire data set and grouped the data according to climatic forest types (i.e., boreal needleleaf evergreen, cool temperate broadleaf deciduous, cool temperate needleleaf ever- green, etc.). At the climatic forest type scale, which is close to that of the present study, they found that the value of r2 was less than 0.3 for all factors when n > 10. Thus, extrapolation of fine-root biomass sample data to regional or larger scales needs further investigation.
If estimation of fine-root biomass is a challenging problem, estimating fine-root production is even more difficult (Vogt et al., 1996; Nadelhoffer and Raich, 1992). Vogt et al. (1996) analyzed fine-root production against variables similar to those used in their fine- root biomass analysis aforementioned, and found that r2 < 0.2 with n > 10 for all factors at the climatic forest type scale. While investigating the relationships between fine-root production and aboveground litter-fall at the global scale, Na delhoffer and Raich (1992) found contradictory results depending upon the meth- ods of deriving fine-root production. When estimated using the ecosystem N budget method, fine-root pro- duction was positively correlated with litterfall (r2 = 0.36, n = 16). However, for estimates using the sum of seasonal changes in fine-root biomass (sequential core method), the difference between annual max- imum and minimum fine-root biomass (maximum- minimum method), or root growth into root-free cores (ingrowth core method) was not correlated with lit- terfall (Nadelhoffer and Raich, 1992). For all data sets combined, there was no significant correlation between fine-root production and litterfall (r2 = 0.05, n = 59).

ผลลัพธ์ (ไทย) 1:

ความพยายามหลายครั้งได้ทำการตรวจสอบการเปลี่ยนแปลงขนาดใหญ่ของชีวมวลรากปรับเกี่ยวกับตัวแปรที่วัดได้ (เช่น ชั่ง et al., 1996 แครนส์และ al., 1997 Vanninen และ Mäkela, 1999 ลีโอ - อันโตนิโอ 1989 Vogt et al., 1996 Li et al., 2003) ปัญหาแน่นอนได้เนื่องจากรากที่ฝังพันธมิตร gener สามารถประเมินปรับรากชีวมวลและการผลิตเหนือครอบคลุมพื้นที่ได้อย่างถูกต้องว่า ex-tremely จำกัด ตัวอย่าง ชั่ง et al. (1996) และแครนส์ et al. (1997) พบอัตราส่วนของมวลชีวภาพปรับหลักการชีวมวลรวมราก มากกว่าชีวมวลรากตัวเอง ถูกดี correlated กับชีวมวลรวมราก รวบรวมโดยชั่ง et al. (1996), ค่าของกำลังสองของสัมประสิทธิ์สหสัมพันธ์เชิงเส้น (r2) สำหรับความสัมพันธ์ระหว่างมวลชีวภาพปรับรากและชีวมวลรวมรากถูก 0.28 จุดข้อมูล For16 ใช้ฐานข้อมูลขนาดใหญ่ (n = 88) รวบรวมโดย Vogt et al. (1996), เราได้รับค่า r2 ของ 0.1 สำหรับความสัมพันธ์เดียวกัน (รูปที่ 1a) ศึกษาอื่น โดย Vanninen และ Mäkela (1999) พบว่า บริเวณที่โรคเป็น predictor ดีของชีวมวลปรับรากสำหรับไพน์สก็อทส์ยืน หลังจากข้อมูลถูก stratified ตามไซต์คุณภาพ Stratify ชุดข้อมูลขนาดใหญ่ที่รวบรวมจากการศึกษามากมายตามเว็บไซต์คุณภาพ อย่างไรก็ตาม เป็นไปได้ยากเนื่องจากประเมินคุณภาพเว็บไซต์ส่วนใหญ่ (โดยนิยาม) แสดง โดยเว็บไซต์อื่น ๆ ในการศึกษา spe cific และเชิงคุณภาพ ในบางอื่น ๆ ศึกษา เว็บไซต์คุณภาพไม่รายงานทั้งหมด ดัง ไซต์มันเป็น 'ดี' ในการศึกษาหนึ่งสามารถอาจสามารถ labelled เป็น 'คนจน' อีกด้วย ดังนั้น ไม่ มีสาระ ความสัมพันธ์ระหว่างมวลชีวภาพปรับรากและโรคมีแนวโน้มจะดี สำหรับ datasets ที่คอมไพล์ในการศึกษานี้ (n = 124), ค่า r2 0.21 ระบุความสัมพันธ์อ่อนว่าอย่างมีนัยสำคัญทางสถิติ (รูปที่ 1b) ลีโอ - อันโตนิโอ (1989) พบความสัมพันธ์เชิงเส้นระหว่างปรับรากและใบชีวมวลสำหรับหลายสน spe-cies แต่ข้อมูลจากการศึกษาอื่น ๆ ระบุว่า ความสัมพันธ์นี้คือ ตัวแปร (เช่น Vanninen และ Mäkela 1999) หลากหลายความสัมพันธ์อื่นระหว่างปรับรากชีวมวลและ abiotic/biotic ปัจจัย เนื้อดิน ฝนประจำปี เครื่องวัดอุณหภูมิประจำปี (เฉลี่ย สูงสุด หรือต่ำสุด), ระดับ ของ N, P, K ใน aboveground litterfall และเวลาพำนักเฉลี่ยของพื้นป่า N. สอบสวน Vogt et al. (1996) นักวิจัยหลังมองทั้งทั้งชุดข้อมูล และจัดกลุ่มข้อมูลตามชนิดป่า climatic (เช่น boreal needleleaf เอเวอร์กรีน เย็นแจ่ม broadleaf ผลัดใบ เย็นแจ่ม needleleaf เคยเขียว ฯลฯ) ที่ป่า climatic ชนิดสเกล ซึ่งเป็นที่ของการศึกษาปัจจุบัน พวกเขาพบว่า ค่าของ r2 มีราคาน้อยกว่า 0.3 สำหรับปัจจัยทั้งหมดเมื่อ n 10 > ดังนั้น extrapolation ของข้อมูลตัวอย่างชีวมวลรากปรับระดับภูมิภาค หรือใหญ่ต้องเพิ่มเติมตรวจสอบการประมาณการของชีวมวลปรับรากเป็นปัญหาท้าทาย ผลิตปรับรากประมาณว่ายิ่งยาก (Vogt et al., 1996 Nadelhoffer และ Raich, 1992) Vogt et al. (1996) วิเคราะห์ผลิตปรับรากกับตัวแปรที่คล้ายคลึงกับที่ใช้ในการวิเคราะห์ปรับรากชีวมวลดังกล่าว และพบว่า r2 < 0.2 กับ n > 10 สำหรับปัจจัยทั้งหมดที่ป่า climatic พิมพ์มาตราส่วน ในขณะที่ตรวจสอบความสัมพันธ์ระหว่างผลิตปรับรากแคร่ตก aboveground ในระดับสากล นา delhoffer และ Raich (1992) พบผลขัดแย้งขึ้นจาก - ods ของบริษัทฯ ผลิตปรับราก เมื่อประเมินโดยใช้วิธีการงบประมาณระบบนิเวศ N รากปรับ pro duction ถูกบวก correlated กับ litterfall (r2 = 0.36, n = 16) อย่างไรก็ตาม สำหรับการประเมินโดยใช้ผลการเปลี่ยนแปลงตามฤดูกาลในชีวมวลปรับราก (วิธีหลักตามลำดับ), ความแตกต่างระหว่าง imum สูงสุดประจำปี และชีวมวลรากปรับต่ำสุด (สูงสุดต่ำสุดวิธี), หรือรากเจริญเติบโตเป็นแกนหลัก-ฟรี (วิธีหลัก ingrowth) ถูกไม่ correlated กับสว่าง-terfall (Nadelhoffer และ Raich, 1992) สำหรับทุกข้อมูลชุดรวม มีไม่ความสัมพันธ์อย่างมีนัยสำคัญระหว่างการผลิตค่าปรับรากและ litterfall (r2 = 0.05, n = 59)

ผลลัพธ์ (ไทย) 2:

หลายคนพยายามที่จะทำให้การตรวจสอบการเปลี่ยนแปลงขนาดใหญ่ของชีวมวลปรับรากในความสัมพันธ์กับตัวแปรที่วัดได้ง่าย (เช่น Kurz et al, 1996;. แครนส์, et al, 1997;. Vanninen และ Makela 1999; Sant- antonio 1989 ; โฟกท์ et al, 1996;. Li et al, 2003). ปัญหาของหลักสูตรคือเพราะรากเป็นพันธมิตร gener- ฝังความสามารถของเราที่จะต้องประเมินชีวมวลปรับรากและการผลิตมากกว่าพื้นที่กว้างขวางเป็นอดีต จำกัด tremely ยกตัวอย่างเช่น Kurz et al, (1996) และแครนส์และอัล (1997) พบว่าอัตราส่วนของมวลชีวภาพปรับรากรากชีวมวลรวมมากกว่าชีวมวลรากตัวเองมีความสัมพันธ์ดีกับชีวมวลรากรวม For16 จุดข้อมูลที่รวบรวมโดย Kurz et al, (1996) ค่าของตารางค่าสัมประสิทธิ์สหสัมพันธ์เชิงเส้น (r2) สำหรับความสัมพันธ์ระหว่างมวลชีวภาพปรับรากและรากชีวมวลรวม 0.28 การใช้ฐาน DATA- ขนาดใหญ่ (n = 88) รวบรวมโดยโฟกท์และอัล (1996) เราได้รับค่า r2 0.1 สำหรับความสัมพันธ์ที่เหมือนกัน (รูปที่ 1a) การศึกษาอื่นโดย Vanninen และ Makela (1999) พบว่าพื้นที่ฐานเป็นปัจจัยบ่งชี้ที่ดีของชีวมวลปรับรากสำหรับสก็อตสนยืนหลังจากที่ข้อมูลจะถูกแบ่งตามคุณภาพเว็บไซต์ ที่จะแบ่งเป็นชั้นชุดข้อมูลขนาดใหญ่ที่รวบรวมจากการศึกษาจำนวนมากตามคุณภาพเว็บไซต์ แต่ทำไม่ได้เพราะเว็บไซต์มากที่สุดในการประเมินคุณภาพ (ตามคำนิยาม) คุณภาพและแสดงออกในการเปรียบเทียบกับเว็บไซต์อื่น ๆ ในการศึกษา cific เจาะจง ในบางการศึกษาอื่น ๆ ที่มีคุณภาพเว็บไซต์ไม่ได้รายงานเลย ดังนั้นเว็บไซต์ที่มีข้อความว่า 'ดี' ในการศึกษาหนึ่งที่อาจเกิดขึ้นสามารถระบุว่าเป็น 'ไม่ดี' อีก ดังนั้นโดยไม่มีการแบ่งชั้นความสัมพันธ์ระหว่างมวลชีวภาพปรับรากและพื้นที่ฐานมีแนวโน้มที่จะเป็นที่น่าสงสาร สำหรับชุดข้อมูลที่รวบรวมในการศึกษานี้ (n = 124) ค่า r2 เป็น 0.21 แสดงให้เห็นอ่อนแอแม้ว่าความสัมพันธ์อย่างมีนัยสำคัญ (รูปที่ 1b) Sant- antonio (1989) พบว่ามีความสัมพันธ์เชิงเส้นตรงระหว่างรากที่ดีและชีวมวลใบสำหรับ Cies เจาะจงต้นสนหลาย แต่ข้อมูลจากการศึกษาอื่น ๆ ชี้ให้เห็นว่าความสัมพันธ์นี้เป็นตัวแปร (เช่น Vanninen และ Makela 1999) et al, โฟกท์ (1996) การตรวจสอบความหลากหลายของความสัมพันธ์ระหว่างมวลชีวภาพปรับรากและ abiotic / ปัจจัยทางชีววิทยารวมทั้งเนื้อดินประจำปีการเร่งรัดอุณหภูมิของอากาศประจำปี (หมายถึงสูงสุดหรือต่ำสุด) ระดับของไนโตรเจนฟอสฟอรัสหรือ K ใน Litterfall เหนือพื้นดิน และเวลาที่อยู่อาศัยเฉลี่ยของพื้นป่า N. นักวิจัยหลังมองไปที่ทั้งสองชุดข้อมูลทั้งหมดและจัดกลุ่มข้อมูลตามป่าประเภทภูมิอากาศ (เช่นป่าดิบ needleleaf เหนือ, ใบกว้างพอสมควรเย็นผลัดใบหนาวเย็น needleleaf ที่เคยเขียว ฯลฯ .) ในป่าภูมิอากาศขนาดชนิดซึ่งอยู่ใกล้กับที่ของการศึกษาที่พวกเขาพบว่ามูลค่าของ r2 น้อยกว่า 0.3 ปัจจัยทั้งหมดเมื่อ n> 10 ดังนั้นการคาดการณ์ของข้อมูลตัวอย่างชีวมวลปรับรากภูมิภาคหรือขนาดใหญ่ เกล็ดต้องการตรวจสอบต่อไป.
ถ้าประมาณชีวมวลปรับรากเป็นปัญหาที่ท้าทายการประเมินการผลิตปรับรากจะยิ่งยากมากขึ้น (โฟกท์ et al, 1996;. Nadelhoffer และ Raich, 1992) et al, โฟกท์ (1996) การวิเคราะห์การผลิตปรับรากกับตัวแปรที่คล้ายกับที่ใช้ในรากของพวกเขาปรับที่การวิเคราะห์ชีวมวลดังกล่าวและพบว่า r2 <0.2 กับ n> 10 สำหรับปัจจัยทั้งหมดที่ป่าภูมิอากาศขนาดประเภท ขณะที่การสืบสวนความสัมพันธ์ระหว่างการผลิตปรับรากและเหนือพื้นดินเศษซากพืชฤดูใบไม้ร่วงที่ระดับโลกนา delhoffer และ Raich (1992) พบว่าผลการขัดแย้งกันขึ้นอยู่กับเมธอดน่าของดีอันเกิดรากการผลิต เมื่อประมาณโดยใช้วิธีการงบประมาณของระบบนิเวศที่ยังไม่มีรากปรับผลผลิตมีความสัมพันธ์เชิงบวกกับ Litterfall (r2 = 0.36, n = 16) อย่างไรก็ตามสำหรับการประมาณการโดยใช้ผลรวมของการเปลี่ยนแปลงตามฤดูกาลในชีวมวลปรับราก (วิธีหลักตามลำดับ) ความแตกต่างระหว่าง imum max- ประจำปีและต่ำสุดชีวมวลปรับราก (วิธีการขั้นต่ำ maximum-) หรือเจริญเติบโตของรากลงไปในแกนรากฟรี ( วิธีการหลัก ingrowth) ไม่ได้มีความสัมพันธ์กับไฟใหญ่ terfall (Nadelhoffer และ Raich, 1992) สำหรับชุดข้อมูลทั้งหมดรวมกันไม่มีความสัมพันธ์กันอย่างมีนัยสำคัญระหว่างการผลิตปรับรากและ Litterfall (r2 = 0.05, n = 59)

ผลลัพธ์ (ไทย) 3:

หลายครั้งได้รับการทำเพื่อศึกษาการเปลี่ยนแปลงขนาดใหญ่ของชีวมวลรากดีในความสัมพันธ์กับตัวแปรที่วัดได้ง่าย ( เช่น ( et al . , 1996 ; Cairns et al . , 1997 ; vanninen และ M และเกล่า , 1999 ; ซานอันโตนิโอสาธิต - 1989 ; et al . , 1996 ; Li et al . , 2003 ) . ปัญหาของหลักสูตรคือว่า เพราะราก มกราคม - พันธมิตรฝังความสามารถของเราที่จะบอกประมาณดีรากชีวมวลและการผลิตกว่าพื้นที่กว้างขวาง เป็นอดีต tremely จำกัด ตัวอย่างเช่น ( et al . ( 2539 ) และ Cairns et al . ( 2540 ) พบว่าอัตราส่วนของไบโอ - รากดี รากมวลปริมาณมวลชีวภาพรวม มากกว่ารากชีวมวลนั้นเอง ก็มีความสัมพันธ์กับมวลชีวภาพของรากทั้งหมด for16 จุดข้อมูลที่รวบรวมโดย ( et al . ( 1996 )ค่าของตารางของสัมประสิทธิ์สหสัมพันธ์เชิงเส้น ( R2 ) สำหรับความสัมพันธ์ระหว่างรากและจำนวนรากดีมวลชีวภาพรวม 0.28 . การใช้ข้อมูลพื้นฐานขนาดใหญ่ ( n = 88 ) เรียบเรียงโดย โฟกท์ et al . ( 1996 ) ที่เราได้มาเป็น R2 ค่า 0.1 สำหรับความสัมพันธ์เดียวกัน ( รูปที่ 1A )การศึกษาอื่นโดย vanninen และ M และเกล่า ( 1999 ) พบว่าพื้นที่แรกเริ่มเป็น Predictor มวลชีวภาพของรากดีสำหรับสกอตสนยืนหลังจากที่ข้อมูลจะแบ่งตามคุณภาพของเว็บไซต์ การแบ่งเป็นชั้นๆมีขนาดใหญ่ชุดข้อมูลที่รวบรวมจากหลายการศึกษาตามคุณภาพ เว็บไซต์อย่างไรก็ตามไม่เหมาะสม เพราะการประเมินคุณภาพเว็บไซต์ส่วนใหญ่ ( โดยละเอียด ) เชิงคุณภาพ และแสดงออกในการเปรียบเทียบกับเว็บไซต์อื่น ๆในอาคารเอสพีอี - การศึกษา cific . ในบางการศึกษาอื่น ๆ ที่มีคุณภาพ เว็บไซต์ ไม่รายงานเลย ดังนั้นเว็บไซต์ labelled เป็น ' ดี ' ในการศึกษาหนึ่งอาจจะถูกมองว่าเป็น ' ไม่ดี ' ในอีก ดังนั้น โดยไม่แบ่งชั้นความสัมพันธ์ระหว่างระบบรากดีและพื้นที่แรกเริ่มน่าจะไม่ดี สำหรับข้อมูลที่รวบรวมในการศึกษานี้ ( n = 124 ) , ค่า R2 เป็น 0.21 ชี้อ่อนแอแม้ว่าความสัมพันธ์ ( รูปที่ 1A ) ซานอันโตนิโอ ( 1989 ) - พบความสัมพันธ์เชิงเส้นระหว่างรากดีและมวลชีวภาพใบหลายจำพวกสน cies เอสพี - ,แต่ข้อมูลจากการศึกษาอื่น ๆพบว่า ความสัมพันธ์นี้คือตัวแปร ( เช่น vanninen และ M และเกล่า 1999 ) โฟกท์ et al . ( 2539 ) ศึกษาความหลากหลายของความสัมพันธ์อื่น ๆและปัจจัยทางชีวภาพ ชีวมวล รากดี ระหว่างการทดลอง / รวมทั้งเนื้อดิน , ปริมาณฝนรายปี อุณหภูมิแอร์รายปี ( ค่าเฉลี่ย , ค่าสูงสุดหรือต่ำสุด ) , ระดับของ N , P , K ในพลวัตร หรือเหนือพื้นดิน ,และหมายถึงระยะเวลาที่พื้นป่าชนิดหนึ่ง หลังนักวิจัยมองทั้งข้อมูลตั้งค่าและจัดกลุ่มข้อมูลตามประเภทเดียวกัน ( เช่น ป่า Boreal needleleaf ป่าดิบ เย็นหนาววิธีผลัดใบ เย็นหนาว needleleaf เคย - เขียว , ฯลฯ ) ที่ภูมิอากาศป่าชนิดมาตราส่วน ซึ่งอยู่ใกล้กับการศึกษาปัจจุบันพวกเขาพบว่าค่าของอาร์ทูน้อยกว่า 0.3 สำหรับปัจจัยทั้งหมดเมื่อ n > 10 ดังนั้น ทำไมระบบรากดีข้อมูลตัวอย่างในระดับภูมิภาคหรือระดับที่ใหญ่กว่า ต้องสืบสวนต่อไป .
ถ้าประมาณมวลชีวภาพของรากได้มีปัญหาที่ท้าทาย ประมาณการผลิตรากได้ยากยิ่ง ( โฟกท์ et al . , 1996 ; nadelhoffer และ raich , 1992 ) โฟกท์ et al .( 1996 ) วิเคราะห์การผลิตรากดีกับตัวแปรที่คล้ายกับที่ใช้ในการปรับระบบรากการวิเคราะห์ดังกล่าว และพบว่า R2 < 0.2 กับ n > 10 สำหรับปัจจัยทั้งหมดที่ภูมิอากาศป่าชนิดมาตราส่วน ในขณะที่การตรวจสอบความสัมพันธ์ระหว่างการผลิตรากดีและเหนือพื้นดินออกลูกอยู่ในระดับโลกและนา delhoffer raich ( 1992 ) พบผลขัดแย้งขึ้นอยู่กับยาเสพติด - การผลิต ODS อนุพันธ์รากดี เมื่อประเมินโดยใช้วิธีปรับระบบนิเวศ N งบประมาณ , ราก - duction Pro มีความสัมพันธ์ทางบวก กับพลวัตร ( R2 = 0.36 , n = 16 ) อย่างไรก็ตาม ประมาณการโดยใช้ผลรวมของการเปลี่ยนแปลงตามฤดูกาลในระบบรากดี ( วิธีหลักตามลําดับ )ความแตกต่างระหว่างปีสูงสุด - imum และรากชีวมวลได้ขั้นต่ำ ( วิธีสูงสุด - ต่ำสุด ) หรือการเจริญเติบโตของรากเป็นรากแกนฟรีวิธีหลักล้อมกรอบ ) ไม่มีความสัมพันธ์กับไฟ - terfall ( nadelhoffer และ raich , 1992 ) สำหรับข้อมูลการตั้งค่าทั้งหมดรวมกัน ไม่มีความสัมพันธ์ทางสถิติระหว่างการผลิตรากดี และพลวัตร ( R2 = 0.05 , n = 59 )