Does wood mulch trigger microbially mediated positive plant-soil feedback in degraded boreal forest sites? A post hoc study
Notice bibliographique
Résumé
Introduction: Reforestation of degraded lands in the boreal forest is challenging and depends on the direction and strength of the plant-soil feedback (PSF). Methods: Using a gradient in tree productivity (null, low and high) from a long-term, spatially replicated reforestation experiment of borrow pits in the boreal forest, we investigated the interplay between microbial communities and soil and tree nutrient stocks and concentrations in relation to a positive PSF induced by wood mulch amendment. Results: Three levels of mulch amendment underlie the observed gradient in tree productivity, and plots that had been amended with a continuous layer of mulch 17 years earlier showed a positive PSF with trees up to 6 m tall, a closed canopy, and a developing humus layer. The average taxonomic and functional composition of the bacterial and fungal communities differed markedly betweenlow- and high-productivity plots. Trees in high-productivity plots recruited a specialized soil microbiome that was more efficient at nutrient mobilization and acquisition. These plots showed increases in carbon (C), calcium (Ca), nitrogen (N), potassium (K), and phosphorus (P) stocks and as well as bacterial and fungal biomass. The soil microbiome was dominated by taxa from the fungal genus Cortinarius and the bacterial family Chitinophagaceae, and a complex microbial network with higher connectivity and more keystone species supported tree productivity in reforested plots compared to unproductive plots. Discussion: Therefore, mulching of plots resulted in a microbially mediated PSF that enhances mineral weathering and non-symbiotic N fixation, and in turn helps transform unproductive plots into productive plots to ensure rapid restoration of the forest ecosystem in a harsh boreal environment.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».