Effects of Co-Application of Biochar and Nitrogen Fertilizer on Soil Properties and Microbial Communities in Tea Plantation
Notice bibliographique
Résumé
Soil acidification reduces the abundance and activity of beneficial microorganisms, impairs tea plant growth, and ultimately leads to a decline in tea quality. Maintaining healthy soil is critical for sustainable tea agriculture. However, the interactive effect of biochar and nitrogen fertilizer on the microbial community structure and function in acidic tea plantation soils remains unclear. This study was designed to explore whether the co-application of biochar and fertilizer could enhance soil properties and maintain microbial health in tea plantations. Three treatments were set up through a controlled pot experiment: no fertilizer or biochar application (B0N0), fertilizer without biochar (B0N1), and biochar with fertilizer (B1N1). High-throughput sequencing technology was used to investigate the characteristics of soil microbial communities in tea plantations. Biochar amendment increased soil pH by 0.8 units, organic matter and total nitrogen by 13.5% and 21.4%, and reduced NH4+-N and NO3−-N leaching by 10.8% and 12.9%, respectively. It also modulated microbial community structure, enhanced the abundance of nitrogen-cycling genes (e.g., narB, nirK, nosZ), and influenced nitrogen availability through adsorption. Nitrate was identified as the main factor shaping microbial communities under fertilization. These results highlight the potential of biochar as a sustainable amendment to improve soil health and nitrogen retention in tea cultivation systems. Further field studies are warranted to validate its efficacy in enhancing tea productivity and reducing environmental nitrogen losses under real-world conditions.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».