The impact of 12 years of biological control on soil microbiome and microfauna composition and functions in tea plantations
Notice bibliographique
Résumé
Synthetic pesticides were introduced to China in the 1940s and have become essential to increasing crop yield. They are now commonly applied across all agricultural landscapes. However, little is known about how the long-term pesticide use is affecting belowground communities and what impact pesticide residues are having on soil health. We investigated how pest management practice influence soil biota and overall yield. Soil samples were compared across tea farms that had different levels of pest management strategies: biocontrol, pesticide use, unmanaged over 12 years. DNA was extracted from the bulk soil underneath the canopy and subjected to 16S rRNA, 18S rRNA genes, ITS amplicon sequencing, qPCR quantification of the community and functional genes involved in the N-cycle. Additionally, the abundance and diversity of soil mites were recorded using traditional methods. The results highlighted that there were significant differences in edaphic properties including total nitrogen, total organic carbon, pH, phosphorus and levels of several pesticides across all treatments. Overall, there were distinct microbial communities associated with each treatment and diversity patterns were significantly influenced by management strategies. Across all gene regions, there was variation in the relative abundance of dominant taxa across treatment. Management influenced the abundance of N-cycling genes with an increased abundance of amoA and nirK in biocontrol and unmanaged farms. Interestingly, we found an increased abundance of fungal pathotrophs in the pesticide treatment. We also found that mite compositions and densities were different across all management strategies. The overall mite density and that of Rhodacaroidea were highest in the pesticide treatment and lowest in the unmanaged farm soil. This work aims to improve our understanding of pest management strategies from a soil biota point of view, to enhance soil health and to promote sustainable tea productions.
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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».