Comparison of Soil Biological Properties and Bacterial Diversity in Sugarcane, Soybean, Mung Bean and Peanut Intercropping Systems
Notice bibliographique
Résumé
Sugarcane intercropping with soybean [Glycine max (Linn.) Merr.], mung bean [Vigna radiata (Linn.) Wilczek] and peanut (Arachis hypogaea Linn.) as well as a sugarcane monoculture were conducted to study the impacts of intercropping on soil biological characteristics and bacterial diversity. The results showed that soil cultivable microorganisms, the activities of soil enzymes and microbial biomass carbon, nitrogen, and phosphorus were all significantly improved by intercropping with soybean and mung bean. Additionally, soil bacterial diversity and richness in sugarcane fields were also significantly enhanced by intercropping with soybean and mung bean. In addition, soil bacterial community structures in sugarcane fields can be altered by intercropping with different legumes. Proteobacteria, a high-nutrient-tolerant bacterial assemblage, became the dominant bacteria in the sugarcane-soybean and sugarcane-mung bean intercropped soils. Twenty four, 28, 26 and 27 dominant soil bacterial genera were found after the sugarcane-soybean, sugarcane-mung bean, sugarcane-peanut and sugarcane monoculture treatments, respectively. Sugarcane-mung bean intercropping being the most promising system for regaining and improving soil fertility and soil heath and facilitate agriculture intensification of sugarcane.
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 | 0,001 | 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 | 0,001 |
| 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 ».