Application of plant–soil feedbacks in the selection of crop rotation sequences
Notice bibliographique
Résumé
Abstract Plant–soil feedback (PSF) can be a major driver of plant performance in communities, and this concept can be used in selecting crop rotation sequences to maximize agricultural yields. Potential benefits of using PSF in this context include nutrient use optimization, pathogen reduction, and enhancement of mutualisms between crops and microbes. Yet the contributions of these combined mechanisms are poorly understood. Here we investigated the relative contributions of these mechanisms using five major crops commonly cultivated in rotation (alfalfa, canola, maize, soybean, and wheat) under controlled conditions. We trained soil by growing each of the five crops in a “training phase,” and then reciprocally planted the five crops in the trained soils in a “feedback phase.” To tease out soil biota from nutrient effects, we established three treatments: “control” (trained unsterilized soil used in the feedback phases), “biota” (sterilized soil in the feedback phase inoculated with soil biota from the control treatment after the training phase), and “nutrient” (sterilized soils in both phases). Plant–soil feedback for each crop was calculated by comparing the total biomass of each crop grown in soils trained by each of the four other crops (i.e., in rotation) against total biomass in self‐trained soil (i.e., monocropping). We found that PSF values varied among crop combinations in all the treatments, but such variation was the greatest in the nutrient treatment. Overall, soil biota feedback tended to be lower, whereas nutrient feedback tended to be greater compared to the unsterilized control soil, suggesting that effects of antagonistic biota outweighed those of beneficial microbes in the biota treatment, and that plants optimized nutrient uptake when the soil microbiome was absent in the nutrient treatment. Furthermore, soils in the nutrient treatment trained by the legume crops (alfalfa and soybean) tended to provide the greatest positive feedback, emphasizing the important legacy of N 2 fixers in crop rotation. Taken together, our data demonstrate how nutrients and soil biota can be integral to PSFs among crops, and that assessing PSFs under controlled conditions can serve as a basis to determine the most productive crop rotation sequences prior to field testing.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».