The Effect of the Conversion from Natural Broadleaved Forests into Chinese fir (Cunninghamia lanceolata (Lamb.) Hook.) Plantations on Soil Microbial Communities and Nitrogen Functional Genes
Notice bibliographique
Résumé
The conversion of forests could change soil characteristics and, in turn, impact the microbial community. However, the long-term effect of forest transformation on bacterial and archaeal composition and diversity, especially on nitrogen functional communities, is poorly understood. This study aimed to explore the response of soil bacterial and archaeal communities, as well as nitrogen functional groups, to the conversion from natural broadleaved forests to Chinese fir (Cunninghamia lanceolate (Lamb.) Hook.) plantations in subtropical China by 16S rRNA amplicon sequencing. Except for soil bulk density (BD) and ammonium nitrogen (NH4+–N) content, other soil properties all decreased with the conversion from natural forests to plantations. Alpha diversity of bacteria and archaea declined with the transformation from natural forests to plantations. The composition of bacteria and archaea was significantly different between natural forests and plantations, which could be mainly attributed to the change in the content of soil organic carbon (SOC), total nitrogen (TN), nitrate nitrogen (NO3−–N), and available phosphorus (AP). The conversion of natural forests to plantations decreased the gene copies of ammonia-oxidizing archaea (AOA), ammonia-oxidizing bacteria (AOB), and nifH (nitrogen fixation function) but increased denitrification gene copies (i.e., nirS, nirK, and nosZ). In summary, our study emphasizes the long-term negative effect of the conversion from natural broadleaved forests into Chinese fir plantations on the diversity and richness of soil microbial communities, thereby deeply impacting the cycling of soil nitrogen.
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 | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».