Long-Term Land Use Affects Phosphorus Speciation and the Composition of Phosphorus Cycling Genes in Agricultural Soils
Notice bibliographique
Résumé
Agriculturally-driven land transformation is increasing globally. Improving phosphorus (P) use efficiency to sustain optimum productivity in diverse ecosystems, based on knowledge of soil P dynamics, is also globally important in light of potential shortages of rock phosphate to manufacture P fertilizer. We investigated P chemical speciation and P cycling with solution 31P nuclear magnetic resonance, P K-edge X-ray absorption near-edge structure spectroscopy, phosphatase activity assays, and shotgun metagenomics in soil samples from long-term agricultural fields containing four different land-use types (native and tame grasslands, annual croplands, and roadside ditches). Across these land use types, native and tame grasslands showed high accumulation of organic P, principally orthophosphate monoesters, and high acid phosphomonoesterase activity but the lowest abundance of P cycling genes. The proportion of inositol hexaphosphates (IHP), especially the neo-IHP stereoisomer that likely originates from microbes rather than plants, was significantly increased in native grasslands than croplands. Annual croplands had the largest variances of soil P composition, and the highest potential capacity for P cycling processes based on the abundance of genes coding for P cycling processes. In contrast, roadside soils had the highest soil Olsen-P concentrations, lowest organic P, and highest tricalcium phosphate concentrations, which were likely facilitated by the neutral pH and high exchangeable Ca of these soils. Redundancy analysis demonstrated that IHP by NMR, potential phosphatase activity, Olsen-P, and pH were important P chemistry predictors of the P cycling bacterial community and functional gene composition. Combining chemical and metagenomics results provides important insights into soil P processes and dynamics in different land-use ecosystems.
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 | 0,001 |
| 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 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 ».