Deforestation for agriculture increases microbial carbon use efficiency in subarctic soils
Notice bibliographique
Résumé
This repository contains all necessary raw data as well as the R code used to conduct statistical analysis and create figures of the publication Deforestation for agriculture increases microbial carbon use efficiency in subarctic soils Julia Schroeder1, Tino Peplau1, Frank Pennekamp2, Edward Gregorich3, Christoph C. Tebbe4, Christopher Poeplau1 1 Thünen Institute of Climate-Smart Agriculture, Bundesallee 68, 38116 Braunschweig, Germany 2 Department of Evolutionary Biology and Environmental Studies, University of Zurich, Winterthurerstrasse 190, 8057 Zürich, Switzerland 3 Research and Development Centre, Central Experimental Farm, Agriculture and Agri-Food Canada, 960 Carling Ave, Ottawa, Ontario K1A 0C6, Canada 4 Thünen Institute of Biodiversity, Bundesallee 65, 38116 Braunschweig, Germany DOI: https://doi.org/10.1007/s00374-022-01669-2 This study investigated how and through which pathways deforestation and conversion to agricultural land (i.e. grassland, cropland) alters the microbial carbon use efficiency (CUE) in subarctic soils to allow the development of mitigation strategies to alleviate C losses. We assessed CUE using 18O-labelled water in a paired-plot approach on soils collected from 19 farms across the subarctic region of Yukon, Canada, comprising 14 pairs of forest-to-grassland conversion and 15 pairs of forest-to-cropland conversion. Microbial CUE significantly increased following conversion to grassland and cropland. Land-use conversion resulted in a lower estimated abundance of fungi, while the archaeal abundance increased, as assessed by qPCR. Interestingly, structural equation modelling revealed that increases in CUE were mediated by a rise in soil pH and a decrease in soil C:N ratio rather than by shifts in microbial community composition, i.e. the ratio of fungi, bacteria and archaea. Our findings indicate a direct control of abiotic factors on microbial CUE via improved nutrient availability and facilitated conditions for microbial growth. The R code was developed under R v3.6.3 and adapted to work under version R v.4.1.2. The repository includes the following files: general_soil_parameters_per_site.csv - general soil data assessed on pooled reference forest plot (n=19) general_soil_parameters_per_plot.csv - general soil data assessed on pooled replicated field samples (n=48) sample_data.csv - data measured for each laboratory sample (n=147) Land-use change effects on 18O-CUE.Rproj - Rproject (load project to work on provided scripts and data) load_data_script.R - loads required data Multivariate_normality_script.R - tests for multivariate normaility in dataset PCA_script.R - calculates PC1 and 2 of clay mineralogy data to reduce dimensions map_Yukon_script.R - create Figure 1 plot_density_script.R - create Figure 2 linear_mixed-effects_models_script.R - calculates response ratios plot_boxplots_script.R - plot boxplots per land use including compact letter display indicating significant differences, create Figure 3 + 4 correlogram_script.R - correlation analysis to identify drivers of CUE, create Figure 6 plot_correlations_script.R - plot drivers of CUE, create Figure 5 + 7 SEM_script.R - development of structural equation model, create Figure 8
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».