Apatite Stimulates the Deposition of Glomalin-Related Soil Protein in a Lowbush Blueberry Commercial Field
Notice bibliographique
Résumé
Many wind-sensitive and unproductive soils could benefit from increased glomalin-related soil protein (GRSP), an operationally defined soil protein pool known to improve soil quality and nutrient storage. We expect at least part of this GRSP fraction to originate from fungal biomass. Although P-rich minerals such as apatite are known to increase C allocation from plants to mycorrhizal fungi, there are no studies directly linking apatite with GRSP. We investigated the effect of apatite on GRSP deposition rates in a cultivated field of wild lowbush blueberry (Vaccinium angustifolium Aiton; Vaccinium myrtilloides Michx.) in the Saguenay‒Lac-Saint-Jean region of Quebec (Canada). A field incubation technique (145 days) using sterilized porous sand bags (50 µm pores) was used to measure in situ easily extractable GRSP (EE-GRSP) deposition rates from bags with (n = 10) and without (n = 10) apatite. Half of the bags (n = 10) were also soaked in Proline® 480 SC (Bayer CropScience, Calgary, Alberta, Canada) (Prothioconazole) to determine if EE-GRSP deposition rates were affected by this commonly applied fungicide. Our results indicated that adding apatite into sand bags significantly increased (+70%) EE-GRSP deposition rates, whereas soaking the bags in fungicide had no significant effect. Although the direct linkage between GRSP and lowbush blueberry plants remains to be detailed, our study reports for the first time GRSP concentrations from lowbush blueberry soils. Implications of these findings are discussed.
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 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) | 0,002 | 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 tête enseignante, 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 ».