Anthropogenic drivers of soil microbial communities and impacts on soil biological functions in agroecosystems
Notice bibliographique
Résumé
Anthropogenic interventions play a key role in promoting positive feedback of soil–plant–environment interactions, but systematic reports on how anthropogenic activities influence soil physiochemical, microorganism-induced properties and soil health are still limited. Here, we assessed the impact of anthropogenic interventions, including crop diversification in rotations, soil physical disturbance, synthetic chemical inputs, and biofertilizer use on soil microbial community structure and function, and the consequential effects on agroecosystem productivity and environmental sustainability. Summarizing the results of over 160 medium- to long‐term experiments from various soil-climatic zones across the globe in this review illustrated that (1) increasing crop diversification in rotations could bring positive impacts on soil microorganisms and soil health, especially including legume crops in rotations. (2) However, monocultures such as continuous wheat cropping could negatively impact soil health by enhancing activities of host specific pathogens. (3) Physical agronomic practices such as tillage can alter soil microbial communities by shifting microclimate conditions. (4) Mineral nitrogen fertilizer use, a leading nutrient input, may have exceeded the planetary boundary of N cycling, and is causing soil acidification and decreasing microbial biomass. (5) Synthetic chemicals, essential for disease management (pesticides) and yield sustainability (fertilization) in conventional agroecosystems are often toxic to non-target soil microorganisms, while bio-fungicides and biofertilizers—a more sustainable approach—carry significant risks to trigger succession of the native soil microbial community, thus impacting soil health. The key is to establish a rational balance between anthropogenic activities for agroecosystem productivity and potential negative influences on the soil microbial community and long-term soil health.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».