MétaCan
Menu
← Back to cohort
Record W7161996274 · doi:10.82308/39530

Land use and soil structure impacts on soil microbial community response to flooding

2024· dissertation· en· W7161996274 on OpenAlexaboutno aff
Rachael Harman‐Denhoed

Bibliographic record

Venuenot available
Typedissertation
Languageen
FieldEnvironmental Science
TopicMicrobial Community Ecology and Physiology
Canadian institutionsnot available
Fundersnot available
KeywordsWestern europeLand useClimatic variabilityEcological engineering

Abstract

fetched live from OpenAlex

Le changement climatique entraîne une augmentation des inondations qui coïncide avec une plus grande conversion de l'utilisation des terres à la production agricole dans l'est du Canada. Le fonctionnement et l'activité des communautés microbiennes dépendent de facteurs environnementaux qui peuvent influencer leur habitat dans l'espace poreux du sol et l'accessibilité aux ressources. Les interactions entre l'utilisation des terres et les inondations peuvent modifier les processus abiotiques et microbiens du sol, avec des conséquences incertaines sur la dynamique des nutriments et du carbone du sol. Comprendre comment les communautés microbiennes réagissent aux inondations en fonction de l'utilisation des sols permettra de mieux expliquer les mécanismes biotiques des changements de C et de nutriments dans le sol pendant les inondations. Cette thèse examine comment les activités enzymatiques extracellulaires microbiennes (AEE) au sein d'un gradient d'utilisation des terres varient sur différentes échelles spatiales et temporelles et comment la structure du sol et l'utilisation des terres affectent la diversité et l'activité de la communauté microbienne du sol au sein d'une plaine d'inondation saisonnière et de sols inondés. Ma thèse a deux objectifs généraux dans le contexte des inondations : 1) déterminer comment un gradient d'intensité d'utilisation des sols influence l'AEE microbienne, et 2) examiner comment l'utilisation des sols modifie les effets de la structure du sol sur le rétablissement de la communauté microbienne en cas d'inondation. Tout d'abord, en utilisant un gradient d'utilisation des sols sur le terrain, j'étudie la relation entre l'AEE du sol et l'utilisation des sols à travers des échelles spatiales et temporelles. J'ai prélevé des échantillons de sol sur un gradient d'utilisation des terres, répété quatre fois autour du lac Saint-Pierre, au Québec, au Canada. J'ai mesuré l'AEE du sol en relation avec le C, le cycle de l'azote (N) et du phosphore (P), les nutriments du sol et le C. Pour saisir les variations spatiales et temporelles de la réponse aux inondations, j'ai prélevé des échantillons à trois altitudes différentes au sein de chaque utilisation des terres et à trois reprises au cours de la saison de croissance. Mes résultats ont démontré qu'une relation entre l'AEE et l'utilisation des terres restait une source importante de variabilité à travers l'échelle spatiale et temporelle. Ainsi, outre les caractéristiques abiotiques du site, l'intensité de l'utilisation des sols influence le cycle microbien du carbone et des nutriments dans un écosystème soumis à des inondations saisonnières. Pour mon deuxième objectif, j'ai adopté une approche en laboratoire où j'ai manipulé l'hétérogénéité de la structure du sol et examiné comment l'utilisation des terres, la structure du sol et les inondations ont eu un impact sur l'activité et la diversité microbiennes. Des carottes de sol intactes provenant d'une prairie naturelle et d'un site agricole ont été prélevées. La moitié des carottes ont été tamisées pour modifier la structure du sol, puis un sous-ensemble de carottes de chaque traitement structurel a été inondé. Toutes les carottes ont été incubées pendant trois semaines, puis séchées jusqu'à ce qu'elles soient humides pour déterminer les schémas de récupération. Pendant et après l'incubation, j'ai prélevé des échantillons de séquences de gènes ARNr 16S et ITS et de PCR (bactéries et champignons), de flux de dioxyde de carbone, d'AEE, de nutriments et de C du sol, ainsi que de biomasse microbienne. J'ai constaté que l'hétérogénéité du sol augmentait la respiration microbienne duCO2 et la récupération de l'AEE jusqu'à l'inondation dans les sols agricoles. Indépendamment de la structure du sol, la prairie présentait généralement une récupération fonctionnelle plus faible que le sol agricole. Le rétablissement fonctionnel observé dans l'agriculture peut s'expliquer par la richesse des espèces et la diversité de Shannon plus élevées que dans la prairie (p<0,05). Les abondances bactériennes et fongiques se sont rétablies après l'inondation dans les prairies sans différence de structure, alors que dans l'agriculture, le rétablissement complet ne s'est produit qu'à l'intérieur de sols intacts. La structure du sol a influencé la composition de la communauté dans les deux utilisations du sol (p<0,05). Dans les prairies inondées, la composition des communautés s'est modifiée au fil du temps, le rétablissement de la composition dépendant de la structure, tandis que les communautés agricoles n'ont présenté qu'une différence entre les compositions des communautés avant et après l'inondation, sans effet de la structure. Ainsi, nous avons constaté qu'en cas d'inondation, le rétablissement des communautés microbiennes dépendait de l'utilisation des terres et de l'hétérogénéité du sol, principalement dans le cas de l'agriculture. En conclusion, l'utilisation des terres influence la fonction et la diversité microbienne du sol dans une plaine d'inondation saisonnière et l'utilisation des terres et l'hétérogénéité du sol influencent la réponse microbienne aux inondations

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 imitation

Not 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.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.171
Threshold uncertainty score0.340

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0000.000
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0010.000

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.

Opus teacher head0.016
GPT teacher head0.261
Teacher spread0.246 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2024
Admission routes1
Has abstractyes

Explore more

Same topicMicrobial Community Ecology and Physiology→French-language works237,207→