The influence of biofertilizers on leaf economics spectrum traits in a herbaceous crop
Notice bibliographique
Résumé
Microbial inoculations or 'biofertilizers' represent novel contributions to sustainable agriculture. While belowground mechanisms surrounding how biofertilizers enhance crop production are well described, their role in aboveground trait expression remains less well explored. We quantified infraspecific variation in leaf economics spectrum (LES) traits in response to 10 biofertilizer treatments in basil (Ocimum basiclicum) cultivated under hydroponic conditions. Multiple physiological (i.e. maximum photosynthesis rates (A), dark respiration (R), and leaf-level light compensation points) and morphological (i.e. leaf mass per area (LMA) and leaf thickness) traits varied significantly across microbial treatments. Following treatments, basil plants differentiated from one another along an infraspecific LES, with certain plants expressing more resource-acquiring LES trait values (i.e. high A, R, leaf N, and low LMA), versus others that expressed the opposite suite of resource-conserving LES trait values. Infraspecific trait covariation largely matched LES patterns observed among plants globally. Bivariate and multivariate trait analyses further revealed that certain treatments-namely those including closely related Bacillus and Brevibacillus species strains-increased leaf resource capture traits such as A and leaf N. Biofertilizers influence plant performance through a role in moderating infraspecific leaf trait variation, thereby suggesting aboveground leaf traits may be used to diagnose optimal biofertilizer formulations in basil and other crops.
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 | 0,000 | 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 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 ».