Biofertilizer outcompete chemical fertilizer in enhancing carbon sequestration in Moso bamboo (Phyllostachys edulis (Carriere) J. Houzeau) forests
Notice bibliographique
Résumé
Biofertilizers present an efficient alternative to chemical fertilizers, yet how they, together with native microbiome, affect carbon (C) sequestration and bamboo product yield in forest ecosystems remain unclear. This study investigated the differential impacts of chemical fertilizer and biofertilizer on C sequestration of Moso bamboo ( Phyllostachys edulis (Carriere) J. Houzeau) ecosystem scale by examining vegetation C storage, soil organic C (SOC) pool, soil microbial community, and greenhouse gas emissions. The results revealed that both fertilizers increased vegetation C storage and SOC pool in the top soil (0–40 cm), with biofertilizer showing more pronounced effects than chemical fertilizer. Particularly, biofertilizer significantly increased the fungal-to-bacterial residue carbon ratio, indicating a shift toward fungal dominance rather than a sole increase in fungal residue carbon (FRC). While chemical fertilizer increased soil CO 2 and N 2 O emissions, biofertilizer significantly reduced N 2 O emissions and enhanced Moso bamboo forest C sequestration capacity compared to the control. Native microbiome responses to fertilizations showed that biofertilizer primarily influenced the taxonomic structure of the fungal community, while inducing notable functional changes within the bacterial community. These findings suggest that biofertilizers are more effective than chemical fertilizers in optimizing bamboo forest management and enhancing C sequestration.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».