Restoration in degraded subtropical broadleaved forests induces changes in soil bacterial communities
Notice bibliographique
Résumé
Soil resident bacterial communities are involved in myriad key processes that facilitate ecosystem functionality. However, our understanding of their diversity and compositional dynamics following ecological restoration, and the main factors that influence them, remains inadequate. We employed a chronosequence (0–1, 5–6, 11–12, 20–24, and 28–34 years since restoration) to examine the dynamic changes in soil bacterial diversity and composition, as well as the essential factors that affected them since the cessation of anthropogenic disturbances (e.g., recurring fuelwood collection and domestic animal grazing), and used old-growth forests as a reference in the subtropical forests of Eastern China. We found that soil bacterial diversity increased with time since restoration, and community compositions shifted toward being similar to those of old-growth forests over time. However, the recovery process was prolonged since the significant difference in soil bacterial diversity between degraded and restored forests did not occur until after 24 years since restoration. Multivariate analysis using multiple-response permutation procedures indicated the soil bacterial communities were compositionally distinct between degraded, restored, and old-growth forests. An analysis of indicator species revealed that forests at the early stage of recovery times supported Rokubacteria and Actinobacteria, while old-growth forests were distinguished by Chlamydiae. Soil carbon, microbial biomass carbon, soil water content, and microbial biomass nitrogen recovered over time and became increasingly akin to those of old-growth forest soils. Soil carbon, soil water content, and soil pH could explain 84.5% of the variations in bacterial community dynamics following restoration. Overall, this study revealed a prolonged recovery process of the community structures of soil bacteria (e.g., diversity, composition, and phylum abundance) following restoration, which was coupled with changes in soil properties in subtropical forests of China.
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) | 0,000 | 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 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 ».