Soil Bacterial Community Associated With High Potato Production and Minimal Water Use
Notice bibliographique
Résumé
In agriculture, water consumption for crop production represents 69% of all water use. Precision irrigation systems based on available soil water have been developed to improve crop production, reducing water use. Besides the improvements in irrigation management, a better resolution of the optimal water level is required, and revealing the impact of soil matric potential on the soil microbial community may help. Here, the effect of four soil matric potential treatments (-15 kPa, -25 kPa, -30 kPa, and -45 kPa) was evaluated on the soil microbial community across three potato cultivars and two soil types (silt and sand). The results confirmed the soil matric potential with -25 kPa as the optimal irrigation level, which promoted high potato production using the minimal water use. The irrigation levels affected the composition, predicted functionality, and the ecological network of soil bacterial community. Water excess (-15 kPa) and deficit (-30 kPa, and -45 kPa) promoted an increase in microbial interaction and alpha-diversity. The results suggested higher Positive/Negative ratio for phyla Proteobacteria, Actinobacteria, and Acidobacteria in optimal irrigation level (-25 kPa) than other irrigation levels. Also, correlation analyses revealed an interesting association between the irrigation levels, potato production, and bacterial functionality, especially in the carbon cycle (fixation and emission). Therefore, this study proposed important associations between the soil bacterial community and water management, focusing on high potato production and minimal water use. The advancement of this knowledge may lead to a more comprehensive assessment of the optimal irrigation levels of others crop production systems. Furthermore, the inclusion of biological mechanisms, especially microbial interactions, in agriculture studies has the potential to contribute to the development of water management practices conducive to both increasing crop yield and maintaining a sustainable soil environment.
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) | 0,001 | 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 ».