Specific Leaf Area and Dry Matter Content Estimate Thickness in Laminar Leaves
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: Leaf thickness plays an important role in leaf and plant functioning, and relates to a species' strategy of resource acquisition and use. As such, it has been widely used for screening purposes in crop science and community ecology. However, since its measurement is not straightforward, a number of estimates have been proposed. Here, the validity of the (SLA x LDMC)(-1) product is tested to estimate leaf thickness, where SLA is the specific leaf area (leaf area/dry mass) and LDMC is the leaf dry matter content (leaf dry mass/fresh mass). SLA and LDMC are two leaf traits that are both more easily measurable and often reported in the literature. METHODS: The relationship between leaf thickness (LT) and (SLA x LDMC)(-1) was tested in two analyses of covariance using 11 datasets (three original and eight published) for a total number of 1039 data points, corresponding to a wide range of growth forms growing in contrasted environments in four continents. KEY RESULTS AND CONCLUSIONS: The overall slope and intercept of the relationship were not significantly different from one and zero, respectively, and the residual standard error was 0.11. Only two of the eight datasets displayed a significant difference in the intercepts, and the only significant difference among the most represented growth forms was for trees. LT can therefore be estimated by (SLA x LDMC)(-1), allowing leaf thickness to be derived from easily and widely measured leaf traits.
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) | 0,000 | 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 découle