Impact of leaf retained water on tree transpiration
Notice bibliographique
Résumé
Water retained on tree leaves after rainfall, dew, or fog impacts transpiration. To determine the impact of leaf retained water (LRW) on the transpiration of trees, the difference between transpiration rates of different species with and without water sprayed on the leaves was measured. Results show that transpiration was inhibited by LRW. Both the inhibition extent and duration of LRW were higher on broadleaf species than on coniferous species. Under conditions of saturated LRW of the tree crown, mean transpiration inhibition rates of the test species were 0.32 (Quercus mongolica Fisch. ex Ledeb.), 0.25 (Acer mono), 0.37 (Tilia amurensis Rupr.), 0.31 (Fraxinus mandshurica Rupr.), 0.22 (Pinus koraiensis Siebold & Zucc.), 0.22 (Abies nephrolepis (Trautv. ex Maxim.) Maxim.), and 0.23 (Picea asperata Mast.). Mean inhibition rate and inhibition time for broadleaf species were 0.31 and 115 min, which were 40% higher and 27 min longer than those for coniferous species, respectively. The transpiration inhibition rate of LRW increased linearly with the LRW amount, and there was a higher transpiration inhibition rate in broadleaf species than in coniferous species for the same amount of LRW. Mean rising velocity of the inhibition with LRW amount for broadleaf species was 0.53%, whereas it was only 0.15% for the coniferous species.
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 | 0,000 | 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 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 ».