Response of fungal composition and diversity to simulated nitrogen deposition and manipulation of precipitation in soils of an Inner Mongolia desert steppe of Northern China
Notice bibliographique
Résumé
Nitrogen (N) deposition and precipitation changes can strongly influence soil microbial properties in arid and semiarid regions. Here, we examined these effects on soil samples from the Inner Mongolia desert steppe of northern China after 7 yr of consecutive simulated N deposition by adding NH4NO3 and manipulation of precipitation, using a dilution plate method, PCR analysis, and 18S rRNA sequencing. The experimental treatments were as follows: control (CK), N addition (+N), N and water addition (+N+W), and N addition plus water reduction (+N−W). In this study, 14 genera and 32 fungal species were isolated, and Penicillium was determined to be the dominant fungal group. Treatment +N−W significantly increased (by 94.8%) the number of cultivable fungi as compared with CK. Compared with the CK community, fungal communities exposed to the three treatments, especially +N+W and +N−W, showed shifts in the relative abundances of cultivable fungi. Treatment +N−W significantly enhanced species richness compared with +N at the 0–2 cm soil depth. However, N addition and manipulation of precipitation did not influence species richness, the Shannon–Weiner index, or evenness at the 0–30 cm soil depth. This study can provide insight into how fungal composition and diversity respond to climate change scenarios.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 source (Gemma direct ou Codex distillé), 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 ».