Intensification of Field Pea Production: Impact on Soil Microbiology
Notice bibliographique
Résumé
The economic and environmental benefits of including grain legumes in crop rotations may tempt farmers to grow them more frequently than recommended, resulting in potential changes to soil chemical, physical, and biological properties. We investigated the effects of increasing the frequency of field pea ( Pisum sativum L.) (P) in a wheat ( Triticum aestivum L.) (W)‐based cropping system on soil microbial biomass C (MBC), β ‐glucosidase enzyme activity, bacterial diversity, and populations of Rhizobium leguminosarum bv. viceae in the last 3 yr of a 13‐yr field study. The treatments consisted of three rotations: P‐P, W‐P, and W‐W‐P. Fertilizer N at 5, 20, and 40 kg N ha −1 was applied to pea in P‐P and W‐P rotations to examine the role of starter N. Soil MBC and diversity were lower in P‐P than pea rotated with wheat, presumably due to reduced amounts and diversity of C inputs under P‐P. These reductions in soil MBC and diversity probably further reduced field pea growth and grain yields through reduced nutrient cycling. In field pea, β ‐glucosidase activity increased with increasing N, suggesting that N was limiting the capacity of soil microorganisms to recycle nutrients from organic materials (including crop residues). Populations of soil rhizobia were not affected by treatment. Wheat grown after pea in the 3‐yr W‐W‐P rotation had greater MBC and β ‐glucosidase activity than that in the W‐P rotation, indicating the importance of long rotations. Therefore, pea monoculture reduced soil microbial quality, with adverse effects on nutrient cycling.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 tête enseignante, 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 ».