Effects of Different Land Use Types and Soil Depth on Soil Nutrients and Soil Bacterial Communities in a Karst Area, Southwest China
Notice bibliographique
Résumé
To reveal the effect of the interactions between soil depth and different land use types on soil nutrients and soil bacterial communities in a karst area, fifty soil samples from five different karst land use types in Huajiang town, Guizhou province, Southwest China were collected, and the soil bacteria were analyzed using high-throughput absolute quantification sequencing. Our results showed that land use types (LUT) and soil depth (SD) significantly influenced the content of soil organic carbon (SOC), total nitrogen (TN), total phosphorus (TP), nitrate nitrogen (NN), ammonium nitrogen (AN) and available soil phosphorus (AP), and pH; further, the interaction of LUT and SD also significantly influenced SOC, NN, NA, AP, and pH. In addition, LUT clearly impacted the Chao1 and Shannon indexes, but, SD and LUT * SD markedly affect Chao1 and Shannon index, respectively. All the soil bacterial communities were significantly different in the five different five land use types according to PERMANOVA. Importantly, Acidobacteria and Proteobacteria were the predominant phyla at soil depths of 0–20 cm and 20–40 cm among all the LUTs. At 0–20 cm, TN, AN, and SOC exerted a strong positive influence on Acidobacteria, but NN exerted a strong negative influence on Acidobacteria; at 20–40 cm soil, TN and AN exerted a strong positive influence on Acidobacteria; TP exerted no marked influence on any of the phyla at these two soil depths. At 0–20 cm of soil depth, we also found that Chao1 index changes were closely related to the TN, SOC, AN, and NN; similarly, Shannon index changes were significantly correlated to the AN, TN, and SOC; the PCoA was clearly related to the TN, SOC, and AN. Interestingly, at soil depth of 20–40 cm, Chao 1 was markedly related to the TN and pH; Shannon was markedly correlated with the SOC, TP, AN, and AP; and the PCoA was significantly correlated with the TN and pH. Our findings imply that soil nutrients and soil bacteria communities are strongly influenced by land use types and soil depth in karst areas.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 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 ».