Soil fungal communities of montane natural secondary forest types in China
Notice bibliographique
Résumé
Distinctive plant communities may provide specific physical and chemical properties with soils by specific litters and root exudates to exert effects on soil microorganisms. Past logging activities in the Qinling Mountains induced diverse natural secondary forest types (NSFTs). How these recovered NSFTs regulate patterns of soil microbial communities remain limited. In the study, we used terminal-restriction fragment length polymorphism (T-RFLP) to precisely determine forest type-specific soil fungal diversity and composition in five NSFTs. Our results indicated that NSFTs had significant impacts on the soil fungal communities. The most diverse fungal species were found in the Armand pine (Pinus armandi) and Chinese pine (Pinus tabulaeformis) forest soils, followed by sharptooth oak (Quercus aliena var. acuteserrata) and Chinese pine-sharptooth oak forest soils, the wilson spruce (Picea wilsonii) forests had the lowest soil fungal diversity. The analyses of community composition suggested that the fungal communities of Armand pine forest soils were similar to those of Chinese pine forest soils, while other communities prominently differed from each other. Stepwise multiple regression analysis revealed that soil silt, clay, pH, and ammonium nitrogen had intimate linkages with soil fungal diversity. Furthermore, the patterns of soil fungal communities were strongly governed by the specific soil environments of the tested NSFTs, as described by canonical correspondence analysis (CCA). Finally, our study showed that soil fungal communities may be mediated by NSFTs via specific soil edaphic status. Hence, such a comparable study may provide fundamental information for fungal diversity and community structure of natural forests and assist with better prediction and understanding how soil fungal composition and function alter with forest type transformation.
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) | 0,000 | 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 ».