Effect of prescribed fire on microbial indicators of soil biogeochemistry in a mixed-grass prairie
Notice bibliographique
Résumé
Prescribed fire is a widely used management tool for restoring grassland ecosystems. This study assessed the effects of prescribed fire on soil microbial communities and physicochemical properties in both tame (non-native forage) and native pastures within a northern mixed-grass prairie in southwestern Saskatchewan, Canada. Soil samples (0–10 cm depth) were collected from burned and adjacent unburned areas in 2018 (first growing season post-fire) and in 2019 (1-year post-fire). Microbial abundance and community composition were analyzed using phospholipid fatty acid (PLFA) profiling. Prescribed fire caused minimal short-term changes in soil microbial communities and properties, with responses varying by pasture type. In the tame pasture, fire initially increased fungal abundance and the Gram-negative to Gram-positive bacterial ratio (GN:GP), while reducing microbial biomass C and N, and total C and N, indicating organic matter loss and nutrient volatilization. Although fungal abundance recovered by the following year, the elevated GN:GP ratio persisted, suggesting that post-fire conditions favored fast-growing GN bacteria over spore-forming GP bacteria. Microbial community composition in both pasture types was strongly correlated with the relative abundances of fungi, total bacteria, and Gram-type bacterial groups. Native pastures showed greater microbial and nutrient stability across both sampling years. Overall, seasonal and annual variability exerted a stronger influence on microbial communities and soil nutrients than fire. These findings demonstrate the resilience of soil microbial communities to low-intensity prescribed fire in mixed-grass prairie ecosystems and suggest that fire, under controlled conditions, can be a viable management tool with short-term disruption to soil biological function.
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 | 0,000 |
| 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 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 ».