Soil Bacteria to Regulate Phoebe bournei Seedling Growth and Sustainable Soil Utilization under NPK Fertilization
Notice bibliographique
Résumé
Soil bacteria play a key role in the plant–soil system and can regulate the growth of Phoebe bournei seedlings under fertilization. However, there are few reports on how soil bacteria respond to fertilization and regulate seedling growth. This study adopted the “3414” field fertilization experiment, combined with soil microbial sequencing, nutrient contents, and biomass measurement, to explore the changes of soil chemical properties and bacterial structure under different NPK fertilization conditions and to establish the coupling relationship between soil bacteria, soil nutrients, and plant growth. The results showed that NPK fertilization decreased soil pH; increased soil N, P, and K content; reduced bacterial diversity and abundance; promoted the growth of dominant bacterial species; and enhanced Phoebe bournei seedlings’ soil N, P, and K elements. NPK fertilization promoted Proteobacteria growth, especially of three genera (Methylobacterium, Sphingobium, and Acinetobacter) and Actinobacteria, while it decreased Acidobacteria and Chloroflexi. By reducing the ratio of N to K and increasing P, NPK fertilization can slow soil acidification, promote bacterial reproduction, maintain P. bournei seedlings’ soil ecological stability, and balance the seedlings’ growth and sustainable soil utilization. AD3, Pseudomonas, and Rhodanobacter can be used as the marker species for N, P, and K fertilization, respectively, while Methylobacterium, Brevundimonas, Acinetobacter, and Sphingobium can be used as indicator species for soil pH and soil N, P, and K content changes, respectively. These results provided a theoretical basis and technical guidance for the effective fertilization and cultivation of robust P. bournei seedlings.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 tête enseignante, 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 ».