Changes in rhizosphere bacterial and fungal community composition with vegetation restoration in planted forests
Notice bibliographique
Résumé
Abstract Soil microbial communities affect nutrient cycling and ecosystem functioning. However, the variations in microbial diversity and community composition within degraded landscapes remain unclear. Using high‐throughput sequencing of bacterial 16S ribosomal RNA genes and internal transcribed spacer fungal sequences, we investigated the rhizosphere microbial diversity and community of coniferous Pinus tabulaeformis Carr. forests in degraded lands across a chronosequence that spanned over 60 years (10, 25, 40, and 60 years since restoration, four forest stands). We found significant differences in soil bacterial and fungal communities among stand ages. Actinobacteria, Proteobacteria, and Acidobacteria dominated the rhizosphere, whereas Basidiomycota, Ascomycota, and Zygomycota prevailed as fungal components. With stand development, bacterial diversity decreased, but fungal diversity increased. Nonmetric multidimensional scaling analysis separated bacterial community clusters well by stands. Fungal community clusters of 25‐ and 60‐year‐old stands overlapped. The dominant bacteria Acidobacteria showed the highest relative abundance at the 40‐year‐old stands. Soil microbial communities correlated significantly with the macro‐nutrients (soil organic carbon, total nitrogen, and total phosphorous). Additionally, the relative abundance of Acidobacteria at the phylum level correlated positively with soil total phosphorous; Deltaproteobacteria at the class level correlated positively with soil organic carbon and total nitrogen. Thus, restoring vegetation in degraded temperate forests enhanced some macronutrients and influenced microbial communities. Our results revealed that restoring vegetation in degraded lands decreased the diversity of bacterial communities over time. In contrast, the soil fungal diversity increased after restoration, and fungal communities in the 25‐ and 60‐year‐old forest stands overlapped on degraded soils.
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 | 0,001 | 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 ».