Dynamic effects of soil mineral ion-microorganism interactions on phosphorus-sulfur cycling revealed by spatio-temporal data mining techniques
Notice bibliographique
Résumé
Soil microorganisms are the main drivers in maintaining soil health.This paper focuses on the process of soil mineral ions and microorganisms involved in regulating the phosphorus-sulfur cycle, and systematically investigates the repair and improvement mechanism of soil microorganisms.Relying on an experimental area of a typical grassland in Inner Mongolia, we set up experiments with different nitrogen addition treatments, and combined with one-way analysis of variance (ANOVA) to investigate the distribution of soil phosphorus and sulfur fractions under various scenarios.Then, structural equation modeling was applied to explore the dynamic role between microbial action and phosphorus-sulfur cycle under N addition.Under different nitrogen addition scenarios, Ca10-P accounted for the largest proportion of inorganic phosphorus fractions, which were all greater than 40%.The percentage of inorganic sulfur in the soil was relatively small, less than 3% of total sulfur, and the response of inorganic and total sulfur to the gradient of nitrogen addition, nitrogen frequency, and different grassland management practices was not obvious.Fungal communities were important drivers of changes in functional genes for interleaf phosphorus and sulfur cycling at different N application levels, i.e., N fertilizer application altered the interleaf fungal communities by affecting soil physicochemical properties, which significantly regulated the interleaf bacterial communities, phosphorus and sulfur cycling functional gene abundance, and pathogenic fungal abundance.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».