Cultivation and Grazing Impacts on Extracellular Enzyme Activity in Alberta Grasslands
Notice bibliographique
Résumé
Grasslands cover a quarter of the planet’s terrestrial surface and constitute 70% of the world’s agricultural land area. Grasslands provide clean water, facilitate effective nutrient cycling, and provide necessary habitat and forage for livestock and wildlife. In addition, grasslands have the potential to mitigate greenhouse gas emissions by sequestering carbon (C) and nitrogen (N) in soil. Grazing is one of the most common uses of grasslands and may alter C and nutrient mineralisation. Therefore, understanding the impact of different grazing systems (i.e. continuous and rotational) on C and nutrient cycling, as well as past management practices (cultivation), climate and soil properties, is of significant interest. This study examined the role of grazing systems on soil biogeochemical cycling by measuring extracellular enzyme activity (EEA), which is an indicator of soil biological activity. The activities of six soil extracellular enzymes were analysed that are involved in C (xylosidase, β-glucosidase, cellobiosidase), nitrogen (N) (N-acetyl-β glucosaminidase, urease), and phosphorus (phosphatase) cycling. Soil samples were tested from 12 pairs of field sites (i.e., ranches) with varying grazing practices (i.e., AMP or non-AMP grazing, with divergent stocking rates) for at least five years prior. An information theoretic model selection approach was used to determine those independent variables (disturbance regime, climate, soil) that explained the variability of each EEA. Results showed that a long resting period (mainly present in AMP ranches) increased β-glucosidase activity, while a high stocking rate increased urease activity. In contrast, soils with known previous cultivation had lower xylosidase and phosphatase activities, suggesting a legacy effect of previous cropping. The main environmental factors regulating enzyme activity were available soil N and climatic aridity. Overall, grazing practices, as represented by grazing systems, appear capable of altering C and nutrient cycling, with AMP grazing increasing C mineralisation iniiithese Alberta grasslands. This finding highlights the importance of grazing practices that maintain soil biological activity.
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 ».