Boreal Forest Multifunctionality Is Promoted by Low Soil Organic Matter Content and High Regional Bacterial Biodiversity in Northeastern Canada
Notice bibliographique
Résumé
Boreal forests provide important ecosystem services, most notably being the mitigation of increasing atmospheric CO2 emissions. Microbial biodiversity, particularly the local diversity of fungi, has been shown to promote multiple functions of the boreal forests of Northeastern China. However, this microbial biodiversity-multifunctionality relationship has yet to be explored in Northeastern Canada, where historical environment have shaped a different regional pool of microbial diversity. This study focuses on the relationship between the soil microbiome and ecosystem multifunctionality, as well as the influence of pH and redox potential (Eh) on the regulation of such relationship. Structural equation modelling (SEM) was used to explore the different causal relationships existing in the studied ecosystems. In a managed part of the Canadian boreal forest, 156 forest polygons were sampled to (1) estimate the α- and β-diversity of fungal and bacterial communities and (2) measure 12 ecosystem functions mainly related to soil nutrient storage and cycling. Both bacteria and fungi influenced ecosystem multifunctionality, but on their own respective functions. Bacterial β-diversity was the most important factor increasing primary productivity and soil microbial biomass, while reducing soil emitted atmospheric CO2. Environmental characteristics, particularly low levels of organic matter in soil, were shown to have the strongest positive impact on boreal ecosystem multifunctionality. Overall, our results were consistent with those obtained in Northeastern China; however, some differences need to be further explored especially considering the history of forest management in Northeastern Canada.
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) | 0,000 | 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 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 ».