MétaCan
Menu
Retour à la cohorte
Enregistrement W2923010662 · doi:10.1038/s41467-019-09258-y

Meta-analysis shows positive effects of plant diversity on microbial biomass and respiration

2019· review· en· W2923010662 sur OpenAlexafffund
Chen Chen, Han Y. H. Chen, Xinli Chen, Zhiqun Huang

Notice bibliographique

RevueNature Communications · 2019
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensLakehead University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of ChinaDeutsche ForschungsgemeinschaftNational Science Foundation
Mots-clésBiomass (ecology)EcosystemMicroorganismTerrestrial ecosystemMonocultureBiologyEcologyEnvironmental scienceTerrestrial plantRespirationAgronomyBacteriaBotany

Résumé

récupéré en direct d'OpenAlex

Soil microorganisms are key to biological diversity and many ecosystem processes in terrestrial ecosystems. Despite the current alarming loss of plant diversity, it is unclear how plant species diversity affects soil microorganisms. By conducting a global meta-analysis with paired observations of plant mixtures and monocultures from 106 studies, we show that microbial biomass, bacterial biomass, fungal biomass, fungi:bacteria ratio, and microbial respiration increase, while Gram-positive to Gram-negative bacteria ratio decrease in response to plant mixtures. The increases in microbial biomass and respiration are more pronounced in older and more diverse mixtures. The effects of plant mixtures on all microbial attributes are consistent across ecosystem types including natural forests, planted forests, planted grasslands, croplands, and planted containers. Our study underlines strong relationships between plant diversity and soil microorganisms across global terrestrial ecosystems and suggests the importance of plant diversity in maintaining belowground ecosystem functioning.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,008
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0050,007
Bibliométrie0,0040,005
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,105
Tête enseignante GPT0,311
Écart entre enseignants0,206 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations446
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetSoil Carbon and Nitrogen DynamicsTravaux en français237 207