Microbes drive global soil nitrogen mineralization and availability
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
Abstract Soil net nitrogen mineralization rate (N min ), which is critical for soil nitrogen availability and plant growth, is thought to be primarily controlled by climate and soil physical and/or chemical properties. However, the role of microbes on regulating soil N min has not been evaluated on the global scale. By compiling 1565 observational data points of potential net N min from 198 published studies across terrestrial ecosystems, we found that N min significantly increased with soil microbial biomass, total nitrogen, and mean annual precipitation, but decreased with soil pH. The variation of N min was ascribed predominantly to soil microbial biomass on global and biome scales. Mean annual precipitation, soil pH, and total soil nitrogen significantly influenced N min through soil microbes. The structural equation models ( SEM ) showed that soil substrates were the main factors controlling N min when microbial biomass was excluded. Microbe became the primary driver when it was included in SEM analysis. SEM with soil microbial biomass improved the N min prediction by 19% in comparison with that devoid of soil microbial biomass. The changes in N min contributed the most to global soil NH 4 + ‐N variations in contrast to climate and soil properties. This study reveals the complex interactions of climate, soil properties, and microbes on N min and highlights the importance of soil microbial biomass in determining N min and nitrogen availability across the globe. The findings necessitate accurate representation of microbes in Earth system models to better predict nitrogen cycle under global change.
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 | 0,000 | 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 découle