Is leaf dry matter content a better predictor of soil fertility than specific leaf area?
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.
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 | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».