ОЦЕНКА ФЕРМЕНТАТИВНОЙ АКТИВНОСТИ СЕРЫХ ЛЕСНЫХ ПОЧВ В ОРГАНИЧЕСКИХ И ТРАДИЦИОННЫХ АГРОЦЕНОЗАХ ПРЕДКАМЬЯ РЕСПУБЛИКИ ТАТАРСТАН
Bibliographic record
Abstract
В статье приведены результаты сравнительной оценки ферментативной активности серых лесных почв при органическом и традиционном земледелии, а также сравнительные данные интегральной оценки, проведенной по комплексу агрохимических, физико-химических, агрофизических и биохимических показателей. Показано, что органическое сельское хозяйство способствует повышению содержания гумуса, валового и щелочногидролизуемого азота, а также общей активности ферментов и экологической устойчивости серых лесных почв в Предкамье Республики Татарстан. Результаты многомерного дискриминантного анализа указывают на статистически достоверную разницу в экологическом состоянии серой лесной почвы при органическом и традиционном земледелии. По комплексу агрохимических и физико-химических показателей, а также по биохимическим параметрам, общей ферментативной активности серые лесные почвы органических агроценозов наиболее приближены к уровню природных биоценозов. Установлено, что по средним показателям ферментативной активности серые лесные почвы органических и традиционных агроценозов являются среднеобогащенными по уреазной и инвертазной активности и бедными – по каталазной. Показано, что изменение общей ферментативной активности серых лесных почв напрямую зависит от их обогащенности щелочногидролизуемым азотом, валовым азотом, обменным калием, подвижным фосфором и гумусом. По степени чувствительности к агрогенному воздействию ферменты типичных серых лесных почв достоверно образуют следующую последовательность: активность инвертазы > активность уреазы > активность каталазы. Список литературы Вальков В.Ф., Казеев К.Ш., Колесников С.И. Методология исследования биологической активности почв на примере Северного Кавказа // Научная мысль Кавказа. 1999. №1. С. 32–37. Джанаев З.Г. Агрохимия и биология почв юга России. М.: Изд-во МГУ, 2008. 528 с. Енкина О.В., Коробской Н.Ф. Микробиологические аспекты сохранения плодородия черноземов Кубани. Краснодар: Агропромполиграфист, 1999. 149 с. Звягинцев Д.Г. Биологическая активность почв и шкалы для оценки некоторых ее показателей // Почвоведение. 1978. №6. С. 48–54. Зинченко М.К., Зинченко С.И. Влияние приемов обработки и доз удобрений на ферментативную активность серой лесной почвы // Вестник Курской государственной сельскохозяйственной академии. 2017. №8. С. 3–5. Колесников С.И., Казеев К.Ш., Вальков В.Ф. Биоэкологические аспекты загрязнения почв тяжелыми металлами // Научная мысль Кавказа. 2000. №4. С. 31–39. Лапа В.В., Михайловская Н.А., Лимонос М.М., Лопух М.С., Василевская О.В., Погирницкая Т.В. Влияние систем удобрения на ферментативную активность дерново-подзолистой легкосуглинистой почвы // Почвоведение и агрохимия. 2012. №2. С.187–198. Селявкин С.Н., Мараева О.Б., Лукин А.Л. Оценка биологического состояния почвы по микробиологической и ферментативной активности // Вестник Воронежского государственного аграрного университета. 2015. №2. С. 36–39. Система земледелия Республики Татарстан. Инновации на базе традиций. Ч. 1. Общие аспекты системы земледелия. Казань: Изд-во Министерства сельского хозяйства и продовольствия РТ, 2013. 166 с. Щур А.В., Виноградов Д.В., Валько В.П. Влияние различных уровней агроэкологических нагрузок на биохимические характеристики почвы // Юг России: экология, развитие. 2016. Т. 11, №4. С. 139–148. DOI: 10.18470/1992-1098-2016-4-139-148. Chen M.M., Zhu Y.G., Su Y.H., Chen B., Fu B.-J., Marschner P. Effects of soil moisture and plant interactions on the soil microbial community structure // European journal of soil biology. 2007. V. 43, №1. P. 31–38. DOI: 10.1016/j.ejsobi.2006.05.001 Dora A.S., Domuta C., Ciobanu C., Sandor M. Field management effects on soil enzyme activities // Romanian Agricultural Research. 2008. №25. P. 61–68. Gianfreda L., Rao M.A., Piotrowska A., Palumbo G., Colombo C. Soil enzyme activities as affected by anthropogenic alterations: intensive agricultural practices and organic pollution // The Science of the total environment. 2005. Vol. 341. P. 265–279. DOI: 10.1016/j.scitotenv.2004.10.005. Gupta V.V.S.R., Lawrence J.R., Germida J.J. Impact of elemental sulfur fertilization on agricultural soils. I. Effects on microbial biomass and enzyme activities // Canadian journal of soil science. 1988. V. 68, №3. P. 463–473. DOI: 10.4141/cjss88-045. Li G., Kim S., Han S.H., Chang H., Du D., Son Y. Precipitation affects soil microbial and extracellular enzymatic responses to warming // Soil biology and biochemistry. 2018. V. 120. P. 212–221. DOI: 10.1016/j.soilbio.2018.02.014. Xiang S.R., Doyle A., Holden P.A., Schimel J.P. Drying and rewetting effects on C and N mineralization and microbial activity in surface and subsurface California grassland soils // Soil biology and biochemistry. 2008. V. 40, «9. P. 2281–2289. DOI: 10.1016/j.soilbio.2008.05.004.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.012 |
| Scholarly communication | 0.012 | 0.007 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.032 | 0.013 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".