Causal relationships from legume crops to soil microbial properties relative to canola
Notice bibliographique
Résumé
Abstract Legume crop rotational effects are usually studied in only the first subsequent non‐legume crop even though several consecutive crops usually follow a legume. We studied the effects of field pea ( Pisum sativum L.), faba bean ( Vicia faba L.), faba bean green manure (faba GM), lentil ( Lens culinaris Medik.), canola ( Brassica napus L.), and wheat ( Triticum aestivum L.), on soil microbial biomass carbon (MBC), β‐glucosidase enzyme activity, and bacterial physiological diversity in three subsequent crops at four locations. Generalized linear modeling (SAS PROC GLIMMIX) indicated that, when canola is grown 3 yr after an initial canola crop in the rotation, MBC is 4–40% (Bonferroni‐adjusted limits at 95% confidence) greater than when faba bean is the initial crop. Path modeling (SAS PROC CALIS) confirmed the negative effect on MBC by faba bean (relative to canola) as an initial crop. According to Bonferroni‐adjusted limits at 95% confidence, where faba GM was the initial crop, β‐glucosidase activity was 2–24% greater than where faba bean was the initial crop and 0.4–21.8% greater than where wheat was the initial crop. Similarly, where lentil was the initial crop, β‐glucosidase activity was 2–23% greater than where pea was the initial crop and 3–5% greater than where wheat was the initial crop. Path modeling revealed direct causal relationships from faba GM and lentil to β‐glucosidase activity. The legume crop effects on soil microbial properties were: faba GM > lentil > pea > faba bean, but we did not observe diminishing effects of the initial legumes to consecutive subsequent crops.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,002 | 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 ».