Experimental assessment of tree canopy and leaf litter controls on the microbiome and nitrogen fixation rates of two boreal mosses
Notice bibliographique
Résumé
Summary Nitrogen (N 2 )‐fixing moss microbial communities play key roles in nitrogen cycling of boreal forests. Forest type and leaf litter inputs regulate moss abundance, but how they control moss microbiomes and N 2 ‐fixation remains understudied. We examined the impacts of forest type and broadleaf litter on microbial community composition and N 2 ‐fixation rates of Hylocomium splendens and Pleurozium schreberi . We conducted a moss transplant and leaf litter manipulation experiment at three sites with paired paper birch ( Betula neoalaskana ) and black spruce ( Picea mariana ) stands in Alaska. We characterized bacterial communities using marker gene sequencing, determined N 2 ‐fixation rates using stable isotopes ( 15 N 2 ) and measured environmental covariates. Mosses native to and transplanted into spruce stands supported generally higher N 2 ‐fixation and distinct microbial communities compared to similar treatments in birch stands. High leaf litter inputs shifted microbial community composition for both moss species and reduced N 2 ‐fixation rates for H. splendens , which had the highest rates. N 2 ‐fixation was positively associated with several bacterial taxa, including cyanobacteria. The moss microbiome and environmental conditions controlled N 2 ‐fixation at the stand and transplant scales. Predicted shifts from spruce‐ to deciduous‐dominated stands will interact with the relative abundances of mosses supporting different microbiomes and N 2 ‐fixation rates, which could affect stand‐level N inputs.
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 ».