Arbuscular Mycorrhizal Fungi Alleviate Salt Stress Damage by Coordinating Nitrogen Utilization in Leaves of Different Species
Notice bibliographique
Résumé
With the intensification of coastal erosion, damage to coastal shelterbelts has gradually increased. Arbuscular mycorrhizal fungi (AMF) can improve the salinity tolerance and productivity of plants in saline–alkali soils using various strategies including nutrient uptake, osmotic regulation, soil shaping, etc. Thus, the application of AMF to alleviate the impacts of salinization for these shelterbelts has become a research hotspot. For this study, we investigated the effects of inoculation with different AMF strains on the growth and nitrogen (N) utilization of Gleditsia sinensis Lam. and Zelkova serrata (Thunb.) Makino leaves under different salt concentrations. As the salt concentration increased, the growth rates and leaf areas of the autoclaved AMF inoculant (CK) treatment exhibited a decreasing trend for both G. sinensis and Z. serrata, while Funneliformis mosseae (FM) and Corymbiglomus tortuosum (CT) treatments weakened this trend. Between them, on average, FM increased the G. sinensis height growth rate by 396.9%, ground diameter growth rate by 99.0%, and Z. serrata leaf area by 29.1%. At a salt concentration of 150 mM, the chlorophyll content and nitrate reductase activities of leaves under the FM treatment for both tree species were significantly higher than for CK, with an average increase in chlorophyll content of 106.1% and nitrate reductase activities by 74.6%. Moreover, the AMF inoculation significantly reduced the leaf N content and photosynthetic N-use efficiency of G. sinensis in contrast to Z. serrata. Further, in contrast to G. sinensis, the photosynthetic N-use efficiency was significantly positively correlated with the growth rate and leaf area of Z. serrata. Meanwhile, the nitrate reductase activity contributed most to the growth rate and leaf area of Z. serrata. Our results suggest that the issues with coastal shelterbelts might be effectively alleviated through appropriate AMF–plant combinations, which is of great significance for the optimization of forestry production.
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 ».