Amendment of Agricultural Soil with Metal Nanoparticles: Effects on Soil Enzyme Activity and Microbial Community Composition
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Several types of engineered nanoparticles (ENPs) are being considered for direct application to soils to reduce the application and degradation of pesticides, provide micronutrients, control pathogens, and increase crop yields. This study examined the effects of different metal ENPs and their dissolved ions on the microbial community composition and enzyme activity of agricultural soil amended with biosolids. The activity of five extracellular nutrient-cycling enzymes was measured in biosolid-amended soils treated with different concentrations (1, 10, or 100 mg ENP/kg soil) of silver (nAg), zinc oxide (nZnO), copper oxide (nCuO), or titanium dioxide (nTiO 2 ) nanoparticles and their ions over a 30-day period. At 30 days, nZnO and nCuO either had no significant effect on soil enzyme activity or enhanced enzyme activity. In contrast, Ag inhibited selected enzymes when dosed in particulate or dissolved form (at 100 mg/kg). nTiO 2 either had no significant effect or slightly decreased enzyme activity. Illumina MiSeq sequencing of microbial communities indicated a shift in soil microbial community composition upon exposure to high doses of metal ions or nAg and negligible shift in the presence of nTiO 2 . Some taxa responded differently to nAg and Ag + . This work shows how metal ENPs can impact soil enzyme activity and microbial community composition upon introduction into soils amended with biosolids, depending on their type, concentration, and dissolution behavior, hence providing much needed information for the sustainable application of nanotechnology in agriculture.
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.
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 | 0,001 | 0,004 |
| 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 découle