Fungal necromass is reduced by intensive drought in subsoil but not in topsoil
Notice bibliographique
Résumé
The frequency and intensity of droughts worldwide are challenging the conservation of soil organic carbon (SOC) pool. Microbial necromass is a key component of SOC, but how it responds to drought at specific soil depths remains largely unknown. Here, we conducted a 3-year field experiment in a forest plantation to investigate the impacts of drought intensities under three treatments (ambient control [CK], moderate drought [30% throughfall removal], and intensive drought [50% throughfall removal]) on soil microbial necromass pools (i.e., bacterial necromass carbon, fungal necromass carbon, and total microbial necromass carbon). We showed that the effects of drought on microbial necromass depended on microbial groups, soil depth, and drought intensity. While moderate drought increased total (+9.1% ± 3.3%) and fungal (+13.5% ± 4.9%) necromass carbon in the topsoil layer (0-15 cm), intensive drought reduced total (-31.6% ± 3.7%) and fungal (-43.6% ± 4.0%) necromass in the subsoil layer (15-30 cm). In contrast, both drought treatments significantly increased the BNC in the topsoil and subsoil. Our results suggested that the effects of drought on the microbial necromass of the subsoil were more pronounced than those of the topsoil. This study highlights the complex responses of microbial necromass to drought events depending on microbial community structure, drought intensity and soil depth with global implications when forecasting carbon cycling under climate change.
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 | 0,000 | 0,000 |
| 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 ».