Stump removal and tree species composition promote a bacterial microbiome that may be beneficial in the suppression of root disease
Notice bibliographique
Résumé
Stumping is an effective forest management practice for reducing the incidence of Armillaria root-rot in regenerating trees, but its impact on the soil bacterial community has not been ascertained. This study investigated the long-term impact of stumping and tree species composition in a 48-year-old trial at Skimikin, British Columbia, on the relative abundance, diversity and taxonomic composition of bacterial communities by sequencing the v4 region of 16S rRNA gene using the Illumina Miseq platform. A total of 108 samples were collected from the forest floor (fermented (F) and humus (H) layers) and mineral soil (A (0-10 cm) and B (10-20 cm) horizons) of 36 plots (half each stumped or unstumped) that were planted with pure stands and admixtures of Douglas-fir, western redcedar and paper birch. Bacterial α-diversity in the B horizon declined with stumping whereas β-diversity was affected both by tree species and stumping treatments, with fir and birch supporting distinct bacterial communities. All horizons of stumped plots of birch and its admixtures were significantly enriched with potential plant growth-promoting bacteria. In conclusion, stumping along with planting birch alone or in admixture with other species promotes a bacterial microbiome that appears beneficial in the suppression of root disease.
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 | 0,001 | 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) | 0,001 | 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 ».