Effect of Dry and Flooded Rice as Cover Crops on Soil Health and Microbial Community on Histosols
Notice bibliographique
Résumé
Soil loss due to subsidence is a major concern in the Everglades Agricultural Area (EAA) of South Florida. Summer is typically the fallow season in the EAA, and soil loss due to oxidation and erosion is significant. Flooding and cover cropping are common practices being adopted to conserve soil, reduce weed pressure, and enhance soil health in the EAA. Cover crops also increase the microbial biomass which are the key drivers of soil function. The objective of this study was to determine the effect of (i) fallow, (ii) dry rice as a cover crop, (iii) flooded fallow, and (iv) flooded rice as a cover crop on soil health indicators and microbial community and diversity within the EAA. Baseline (pre-planting) soil samples were collected from all fields before the application of different treatments and post-harvest soil samples were collected after rice was cut and tilled into the soil surface. Microbial community composition was determined using 16S rRNA gene amplicon and fungal ITS gene amplicon sequencing. Soil bulk density decreased, and cation exchange capacity (CEC) increased in all farming practices including fallow fields. Results showed flooded fallow, flooded rice, and rice planting increased maximum water holding capacity (MWHC) and soil protein and decreased total potassium (TK). Bulk soil microbial communities responded surprisingly quickly to the applied treatments. Taxonomic composition of prokaryotic and fungal communities at the phylum level revealed visible shifts in microbial communities in response to the treatments. Instead of leaving field fallow, planting rice or flooding is a better strategy to improve soil health.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».