Predicting microbial responses to changes in soil physical and chemical properties under different land management

Resumo

A abundância microbiana e a estrutura da comunidade podem ser alteradas direta e indiretamente pelas características físicas e químicas do solo, que, por sua vez, podem ser influenciadas pelo manejo do uso da terra. Este estudo utilizou o modelo cubista para prever as comunidades microbianas do solo com base nas propriedades do solo em diferentes profundidades e sob diferentes manejos agrícolas no condado de Dawson, Montana, EUA. Um total de 538 amostras de solo foram coletadas de três tratamentos de manejo (controle, plantio direto (PD) e plantio direto com pastagem de gado no inverno (NTLS)) em três profundidades (0–5, 5–15 e 15–30 cm). As propriedades físicas e químicas do solo e a análise do total de ácidos graxos fosfolipídicos (PLFA) foram utilizadas para prever as propriedades biológicas do solo. O erro quadrático médio (RMSE), o erro absoluto médio (MAE), o erro relativo (RE), o erro de viés médio (MBE) e o R quadrado (R²) foram utilizados para avaliar o desempenho das previsões. Os resultados mostraram que a correlação mais forte foi entre o PLFA total e os microrganismos do solo. Diferentes propriedades químicas e físicas do solo foram úteis para prever as comunidades microbianas do solo; amônio-N, fósforo, potássio, condutividade elétrica, pH, matéria orgânica, densidade aparente, areia e argila correlacionaram-se significativamente com a maioria dos microrganismos do solo. Os resultados indicaram que o algoritmo cubista produziu resultados promissores para prever a maioria das respostas dos microrganismos do solo a vários tratamentos e profundidades. No entanto, esse modelo não teve um bom desempenho ao tentar prever a proporção de bactérias em relação aos fungos. A variável mais importante para prever todos os microrganismos do solo foi o PLFA total, com eficácia >90 %. Esses resultados sugerem que a aplicação de funções de pedotransferência (PTFs) para prever comunidades microbianas do solo em áreas com dados limitados sobre o solo e recursos financeiros mostra-se promissora.

Abstract

Microbial abundance and community structure can be altered directly and indirectly by soil physical and chemical characteristics which, in turn, can be influenced by land use management. This study utilized the cubist model to predict soil microbial communities based on soil properties at different depths and under different agricultural management in Dawson County, Montana, USA. A total of 538 soil samples were collected from three management treatments (control, no-tillage (NT), and no-tillage with livestock grazing in winter (NTLS)) from three depths (0–5, 5–15, and 15–30 cm). Soil physical and chemical properties and total phospholipid fatty acid (PLFA) analysis were used to predict soil biological properties. Root mean square error (RMSE), mean absolute error (MAE), relative error (RE), mean bias error (MBE), and R squared (R2) were used to assess the performance of predictions. Results showed that the strongest correlation was between the total PLFA and soil microorganisms. Different soil chemical and physical properties were useful to predict soil microbial communities; ammonium-N, phosphorus, potassium, electrical conductivity, pH, organic matter, bulk density, sand, and clay significantly correlated with most soil microorganisms. Results indicated that the cubist algorithm produced promising results to predict most soil microorganism responses to various treatments and depths. However, this model did not perform well when attempting to predict the ratio of bacteria to fungi. The most important variable to predict all soil microorganisms was the total PLFA, with >90 % effectiveness. These results imply that applying pedotransfer functions (PTFs) to predict soil microbial communities in areas with limited soil data and monetary resources shows promise.