Trophic regulation of soil microbial biomass under nitrogen enrichment: A global meta-analysis
Notice bibliographique
Résumé
Eutrophication, including nitrogen (N) enrichment, can affect soil microbial communities through changes in trophic interactions. However, a knowledge gap still exists about how plant resources (‘bottom-up effects’) and microbial predators (‘top-down effects’) regulate the impacts of N enrichment on microbial biomass at the global scale. To address this knowledge gap, we conducted a global meta-analysis using 2885 paired observations from 217 publications to evaluate the regulatory effects of plant biomass and soil nematodes on soil microbial biomass under N enrichment across terrestrial ecosystems. We found that the effects of N enrichment on soil microbial biomass strongly varied across ecosystems. N enrichment decreased the soil microbial biomass of natural grasslands and forests due to soil acidification and the subsequent losses of predatory and microbivorous nematodes stimulating microbial growth. By contrast, N enrichment increased the microbial biomass of managed croplands mainly via increasing plant biomass production. The short-term of N enrichment (experimental duration ≤ 5 years) could reduce microbial biomass via decreasing nematode abundance across diverse ecosystems, whereas the long-term of N enrichment (experimental duration > 5 years) mainly promoted microbial biomass via increasing plant biomass. These findings highlight the critical roles of microbial predators and plant input in shaping microbial responses to N enrichment, which are highly dependent on ecosystem type and the period of N enrichment. Earth system models that predict soil microbial biomass and their linkages to soil functioning should consider the variations in plant biomass and soil nematodes under future scenarios of N deposition.
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) | 0,001 | 0,001 |
| 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 | 0,001 | 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 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 ».