Microbial inputs at the litter layer translate climate into altered organic matter properties
Notice bibliographique
Résumé
Abstract Plant litter chemistry is altered during decomposition but it remains unknown if these alterations, and thus the composition of residual litter, will change in response to climate. Selective microbial mineralization of litter components and the accumulation of microbial necromass can drive litter compositional change, but the extent to which these mechanisms respond to climate remains poorly understood. We addressed this knowledge gap by studying needle litter decomposition along a boreal forest climate transect. Specifically, we investigated how the composition and/or metabolism of the decomposer community varies with climate, and if that variation is associated with distinct modifications of litter chemistry during decomposition. We analyzed the composition of microbial phospholipid fatty acids (PLFAs) in the litter layer and measured natural abundance δ13CPLFA values as an integrated measure of microbial metabolisms. Changes in litter chemistry and δ13C values were measured in litterbag experiments conducted at each transect site. A warmer climate was associated with higher litter nitrogen concentrations as well as altered microbial community structure (lower fungi:bacteria ratios) and microbial metabolism (higher δ13CPLFA). Litter in warmer transect regions accumulated less aliphatic‐C (lipids, waxes) and retained more O‐alkyl‐C (carbohydrates), consistent with enhanced 13C‐enrichment in residual litter, than in colder regions. These results suggest that chemical changes during litter decomposition will change with climate, driven primarily by indirect climate effects (e.g., greater nitrogen availability and decreased fungi:bacteria ratios) rather than direct temperature effects. A positive correlation between microbial biomass δ13C values and 13C‐enrichment during decomposition suggests that change in litter chemistry is driven more by distinct microbial necromass inputs than differences in the selective removal of litter components. Our study highlights the role that microbial inputs during early litter decomposition can play in shaping surface litter contribution to soil organic matter as it responds to climate warming effects such as greater nitrogen availability.
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 | 0,000 | 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) | 0,001 | 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 ».