Is leaf dry matter content a better predictor of soil fertility than specific leaf area?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Specific leaf area (SLA), a key element of the 'worldwide leaf economics spectrum', is the preferred 'soft' plant trait for assessing soil fertility. SLA is a function of leaf dry matter content (LDMC) and leaf thickness (LT). The first, LDMC, defines leaf construction costs and can be used instead of SLA. However, LT identifies shade at its lowest extreme and succulence at its highest, and is not related to soil fertility. Why then is SLA more frequently used as a predictor of soil fertility than LDMC? METHODS: SLA, LDMC and LT were measured and leaf density (LD) estimated for almost 2000 species, and the capacity of LD to predict LDMC was examined, as was the relative contribution of LDMC and LT to the expression of SLA. Subsequently, the relationships between SLA, LDMC and LT with respect to soil fertility and shade were described. KEY RESULTS: Although LD is strongly related to LDMC, and LDMC and LT each contribute equally to the expression of SLA, the exact relationships differ between ecological groupings. LDMC predicts leaf nitrogen content and soil fertility but, because LT primarily varies with light intensity, SLA increases in response to both increased shade and increased fertility. CONCLUSIONS: Gradients of soil fertility are frequently also gradients of biomass accumulation with reduced irradiance lower in the canopy. Therefore, SLA, which includes both fertility and shade components, may often discriminate better between communities or treatments than LDMC. However, LDMC should always be the preferred trait for assessing gradients of soil fertility uncoupled from shade. Nevertheless, because leaves multitask, individual leaf traits do not necessarily exhibit exact functional equivalence between species. In consequence, rather than using a single stand-alone predictor, multivariate analyses using several leaf traits is recommended.
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.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,005 | 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 découle