Heat damage in sclerophylls is influenced by their leaf properties and plant environment
Notice bibliographique
Résumé
:Mediterranean southwestern Australia experienced two successive days of extreme (> 45 °C) maximum temperatures and hot winds during the summer of 1991, resulting in adult mortality and extensive crown damage in a sclerophyllous mallee-heathland. To investigate the relationship between leaf attributes, plant environment, and heat tolerance in sclerophylls, measurements of plant height, leaf clustering, leaf morphology (thickness, dry density, area, perimeter/area ratio), percentage crown damage, and percentage mortality, and categories of exposure to wind, shade, and bare soils were recorded for 40 heat-damaged and 14 undamaged co-occurring species. Analyzing the entire dataset by principal components analysis showed that undamaged species had thicker leaves (on average 61% thicker) than species with damaged leaves and were more exposed to wind, sun, and bare soil. Thicker leaves are a common response to hot, dry, and more exposed environments and are more heat tolerant than thinner leaves. A separate analysis of the Proteaceae (25 damaged and six undamaged species) showed a similar trend to the overall dataset. An analysis of the Myrtaceae (10 damaged and three undamaged species) showed that wind exposure and level of shading were the most important variables influencing the degree of leaf damage. Percentage leaf damage was significantly correlated with percentage adult mortality, but not with the ability of a species to regrow (percentage of plants producing new shoots). Differences between undamaged and damaged species may be a result of preconditioning, whereby species growing in more exposed habitats were pre-adapted to tolerate periods of heat stress. It is unlikely that the study species were able to reduce leaf temperatures via transpirational cooling during the hottest part of the 2-d heatwave. The ability of a species to tolerate extreme temperature events will be determined by the interaction between leaf heat loads, leaf heat-storing capacity, and the degree of exposure to environmental elements.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 | 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 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 ».