The leaf size/number trade-off in herbaceous angiosperms
Notice bibliographique
Résumé
In this study, we examined the extent to which between-species leaf size variation relates to variation in the intensity of leaf production in herbaceous angiosperms. Leaf size variation has been most commonly interpreted in terms of biomechanical constraints (e.g. affected by plant size limitations) or in terms of direct adaptation associated with leaf size effects in optimizing important physiological functions of individual leaves along environmental gradients (e.g. involving temperature and moisture). An additional interpretation is explored here, where adaptation may be more directly associated with the number of leaves produced and where relatively small leaf size then results as a trade-off of high ‘leafing intensity’—i.e. number of leaves produced per unit plant body size. The relationships between mean individual leaf mass, number of leaves and plant body size were examined for 127 species of herbaceous angiosperms collected from natural populations in southern Ontario, Canada. In all, 88% of the variation in mean individual leaf mass across species, spanning four orders of magnitude, is accounted for by a negative isometric (proportional) trade-off relationship with leafing intensity. These results parallel those reported in recent studies of woody species. Because each leaf is normally associated with an axillary bud or meristem, having a high leafing intensity is equivalent to having a greater number of meristems per unit body size—i.e. a larger ‘bud bank’. According to the ‘leafing intensity premium’ hypothesis, because an axillary meristem represents the potential to produce either a new shoot or a reproductive structure, high leafing intensity should confer greater architectural and/or reproductive plasticity (with relatively small leaf size required as a trade-off). This greater plasticity, we suggest, should be especially important for smaller species since they are likely to suffer greater suppression of growth and reproduction from competition within multi-species vegetation. Accordingly, we tested and found support for the prediction that smaller species have not just smaller leaves generally but also higher leafing intensities, thus conferring larger bud banks, i.e. more meristems per unit plant body size.
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 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) | 0,000 | 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 tête enseignante, 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 ».