Soil N2O emissions and functional genes in response to grazing grassland with livestock: A meta-analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Livestock grazing affects nitrous oxide (N2O) emissions from grassland ecosystems by altering soil physical, chemical and biological properties. However, how soil N2O emissions related to nitrogen process rates and functional genes are unexplored. We compiled 83 published studies of soil N2O emissions, potential nitrification and denitrification rates, and the abundance of nitrogen functional genes to uncover their associations with varying intensities of livestock grazing. Compared to ungrazed condition, heavy and moderate grazing reduced N2O emissions by 22–25%, nitrification rate by 23–37%, and denitrification rate by 44–48%, respectively, while light grazing had no effect. Furthermore, moderate to heavy grazing intensities decreased the abundances of ammonia-oxidizing bacteria ammonia monooxygenase (AOB amoA) by 40–47%. Heavy grazing also simultaneously decreased ammonia-oxidizing archaea (AOA amoA) by 43%. Additionally, grazing significantly decreased the abundance of nitrate reductase (narG) and nitrite reductase (nirS) and by 28% and 35%, respectively, but did not affect the abundance of nitrous oxide reductase (nosZ). Overall, potential nitrification rate was positively correlated with AOB amoA and AOA amoA abundances. This global-scale assessment demonstrates that moderate to heavy livestock grazing can reduce grassland N2O emissions, and such reductions were linked to decreased abundances of amoA genes with decreasing soil moisture and inorganic N (NO3– and NH4+) availabilities. Considering that heavy grazing may increase the risk of grassland degradation, we recommend that livestock grazing at an appropriately moderate intensity is important for sustaining livestock production while contributing to greenhouse gas mitigation.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 découle