MétaCan
Menu
Retour à la cohorte
Enregistrement W4304183657 · doi:10.24852/2411-7374.2022.3.35.43

ОЦЕНКА ФЕРМЕНТАТИВНОЙ АКТИВНОСТИ СЕРЫХ ЛЕСНЫХ ПОЧВ В ОРГАНИЧЕСКИХ И ТРАДИЦИОННЫХ АГРОЦЕНОЗАХ ПРЕДКАМЬЯ РЕСПУБЛИКИ ТАТАРСТАН

2022· article· ru· W4304183657 sur OpenAlexaboutno aff
Т Г Кольцова, В И Кулагина, Люция Мансуровна Сунгатуллина, Эльмира Ханисовна Рупова

Notice bibliographique

RevueРоссийский журнал прикладной экологии · 2022
Typearticle
Langueru
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Productivity and Crop Improvement
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental chemistrySoil waterEnvironmental scienceChemistrySoil science

Résumé

récupéré en direct d'OpenAlex

В статье приведены результаты сравнительной оценки ферментативной активности серых лесных почв при органическом и традиционном земледелии, а также сравнительные данные интегральной оценки, проведенной по комплексу агрохимических, физико-химических, агрофизических и биохимических показателей. Показано, что органическое сельское хозяйство способствует повышению содержания гумуса, валового и щелочногидролизуемого азота, а также общей активности ферментов и экологической устойчивости серых лесных почв в Предкамье Республики Татарстан. Результаты многомерного дискриминантного анализа указывают на статистически достоверную разницу в экологическом состоянии серой лесной почвы при органическом и традиционном земледелии. По комплексу агрохимических и физико-химических показателей, а также по биохимическим параметрам, общей ферментативной активности серые лесные почвы органических агроценозов наиболее приближены к уровню природных биоценозов. Установлено, что по средним показателям ферментативной активности серые лесные почвы органических и традиционных агроценозов являются среднеобогащенными по уреазной и инвертазной активности и бедными – по каталазной. Показано, что изменение общей ферментативной активности серых лесных почв напрямую зависит от их обогащенности щелочногидролизуемым азотом, валовым азотом, обменным калием, подвижным фосфором и гумусом. По степени чувствительности к агрогенному воздействию ферменты типичных серых лесных почв достоверно образуют следующую последовательность: активность инвертазы > активность уреазы > активность каталазы. Список литературы Вальков В.Ф., Казеев К.Ш., Колесников С.И. Методология исследования биологической активности почв на примере Северного Кавказа // Научная мысль Кавказа. 1999. №1. С. 32–37. Джанаев З.Г. Агрохимия и биология почв юга России. М.: Изд-во МГУ, 2008. 528 с. Енкина О.В., Коробской Н.Ф. Микробиологические аспекты сохранения плодородия черноземов Кубани. Краснодар: Агропромполиграфист, 1999. 149 с. Звягинцев Д.Г. Биологическая активность почв и шкалы для оценки некоторых ее показателей // Почвоведение. 1978. №6. С. 48–54. Зинченко М.К., Зинченко С.И. Влияние приемов обработки и доз удобрений на ферментативную активность серой лесной почвы // Вестник Курской государственной сельскохозяйственной академии. 2017. №8. С. 3–5. Колесников С.И., Казеев К.Ш., Вальков В.Ф. Биоэкологические аспекты загрязнения почв тяжелыми металлами // Научная мысль Кавказа. 2000. №4. С. 31–39. Лапа В.В., Михайловская Н.А., Лимонос М.М., Лопух М.С., Василевская О.В., Погирницкая Т.В. Влияние систем удобрения на ферментативную активность дерново-подзолистой легкосуглинистой почвы // Почвоведение и агрохимия. 2012. №2. С.187–198. Селявкин С.Н., Мараева О.Б., Лукин А.Л. Оценка биологического состояния почвы по микробиологической и ферментативной активности // Вестник Воронежского государственного аграрного университета. 2015. №2. С. 36–39. Система земледелия Республики Татарстан. Инновации на базе традиций. Ч. 1. Общие аспекты системы земледелия. Казань: Изд-во Министерства сельского хозяйства и продовольствия РТ, 2013. 166 с. Щур А.В., Виноградов Д.В., Валько В.П. Влияние различных уровней агроэкологических нагрузок на биохимические характеристики почвы // Юг России: экология, развитие. 2016. Т. 11, №4. С. 139–148. DOI: 10.18470/1992-1098-2016-4-139-148. Chen M.M., Zhu Y.G., Su Y.H., Chen B., Fu B.-J., Marschner P. Effects of soil moisture and plant interactions on the soil microbial community structure // European journal of soil biology. 2007. V. 43, №1. P. 31–38. DOI: 10.1016/j.ejsobi.2006.05.001 Dora A.S., Domuta C., Ciobanu C., Sandor M. Field management effects on soil enzyme activities // Romanian Agricultural Research. 2008. №25. P. 61–68. Gianfreda L., Rao M.A., Piotrowska A., Palumbo G., Colombo C. Soil enzyme activities as affected by anthropogenic alterations: intensive agricultural practices and organic pollution // The Science of the total environment. 2005. Vol. 341. P. 265–279. DOI: 10.1016/j.scitotenv.2004.10.005. Gupta V.V.S.R., Lawrence J.R., Germida J.J. Impact of elemental sulfur fertilization on agricultural soils. I. Effects on microbial biomass and enzyme activities // Canadian journal of soil science. 1988. V. 68, №3. P. 463–473. DOI: 10.4141/cjss88-045. Li G., Kim S., Han S.H., Chang H., Du D., Son Y. Precipitation affects soil microbial and extracellular enzymatic responses to warming // Soil biology and biochemistry. 2018. V. 120. P. 212–221. DOI: 10.1016/j.soilbio.2018.02.014. Xiang S.R., Doyle A., Holden P.A., Schimel J.P. Drying and rewetting effects on C and N mineralization and microbial activity in surface and subsurface California grassland soils // Soil biology and biochemistry. 2008. V. 40, «9. P. 2281–2289. DOI: 10.1016/j.soilbio.2008.05.004.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,109

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0040,012
Communication savante0,0120,007
Science ouverte0,0010,004
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0320,013

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,189
Écart entre enseignants0,171 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueРоссийский журнал прикладной экологииMême sujetAgricultural Productivity and Crop ImprovementTravaux en français237 207