Temperature adaptation of soil bacterial communities along an Antarctic climate gradient: predicting responses to climate warming
Notice bibliographique
Résumé
Abstract Soil microorganisms, the central drivers of terrestrial Antarctic ecosystems, are being confronted with increasing temperatures as parts of the continent experience considerable warming. Here we determined short‐term temperature dependencies of Antarctic soil bacterial community growth rates, using the leucine incorporation technique, in order to predict future changes in temperature sensitivity of resident soil bacterial communities. Soil samples were collected along a climate gradient consisting of locations on the Antarctic Peninsula (Anchorage Island, 67 °34′S, 68 °08′W), Signy Island (60 °43′S, 45 °38′W) and the Falkland Islands (51 °76′S 59 °03′W). At each location, experimental plots were subjected to warming by open top chambers (OTCs) and paired with control plots on vegetated and fell‐field habitats. The bacterial communities were adapted to the mean annual temperature of their environment, as shown by a significant correlation between the mean annual soil temperature and the minimum temperature for bacterial growth ( T min ). Every 1 °C rise in soil temperature was estimated to increase T min by 0.24–0.38 °C. The optimum temperature for bacterial growth varied less and did not have as clear a relationship with soil temperature. Temperature sensitivity, indicated by Q 10 values, increased with mean annual soil temperature, suggesting that bacterial communities from colder regions were less temperature sensitive than those from the warmer regions. The OTC warming (generally <1 °C temperature increases) over 3 years had no effects on temperature relationship of the soil bacterial community. We estimate that the predicted temperature increase of 2.6 °C for the Antarctic Peninsula would increase T min by 0.6–1 °C and Q 10 (0–10 °C) by 0.5 units.
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 | 0,001 | 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 ».