Humus composition of mineral–microbial residue from microbial utilization of lignin involving different mineral types
Notice bibliographique
Résumé
This study explored the mineral contribution of lignin to humus (HS) formation through the change of HS composition in microbial–mineral residue (MMR). The liquid shake flask culture method was adopted to collect the MMR formed through the microbial utilization of lignin in the presence of goethite, bayerite, δ-MnO2, kaolinite, and montmorillonite. The carbon (C) contents of humic-like acid (HLA), fulvic-like acid (FLA), and humin-like (HLu) in MMR, represented as CHLA, CFLA, and CHLu, respectively, coupled with the ΔlogK of the HLA alkali-soluble extract and CHLA/CFLA ratio were analyzed at 10, 30, 60, and 110 d. In terms of improving HLA aggregated on minerals, the following rule was observed: goethite > bayerite > montmorillonite > kaolinite ≈δ-MnO2. Goethite was most likely to adsorb organic molecules with a high degree of polymerization. Compared with kaolinite and montmorillonite, goethite, bayerite, and δ-MnO2 were more helpful for decreasing the molecular weight and the degree of HLA condensation. Goethite, δ-MnO2, and montmorillonite presented the greatest advantages in enhancing the relative proportions of CHLA, CFLA, and CHLu, respectively, in MMR. In MMR formed in the presence of kaolinite, goethite, and bayerite, CHLA was decreased by 14.8%, 12.0%, and 5.8%, respectively, at the end of culture, whereas the CHLA associated with δ-MnO2 was increased by 12.0%. δ-MnO2 contributed the most to the conversion of CFLA to CHLA. Due to expandability and a much greater adsorption capacity, montmorillonite was most beneficial to the accumulation of CHLu.
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) | 0,000 | 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 ».