Climate, soil and plant functional types as drivers of global fine‐root trait variation
Notice bibliographique
Résumé
Summary Ecosystem functioning relies heavily on below‐ground processes, which are largely regulated by plant fine‐roots and their functional traits. However, our knowledge of fine‐root trait distribution relies to date on local‐ and regional‐scale studies with limited numbers of species, growth forms and environmental variation. We compiled a world‐wide fine‐root trait dataset, featuring 1115 species from contrasting climatic areas, phylogeny and growth forms to test a series of hypotheses pertaining to the influence of plant functional types, soil and climate variables, and the degree of manipulation of plant growing conditions on species fine‐root trait variation. Most particularly, we tested the competing hypotheses that fine‐root traits typical of faster return on investment would be most strongly associated with conditions of limiting versus favourable soil resource availability. We accounted for both data source and species phylogenetic relatedness. We demonstrate that: (i) Climate conditions promoting soil fertility relate negatively to fine‐root traits favouring fast soil resource acquisition, with a particularly strong positive effect of temperature on fine‐root diameter and negative effect on specific root length (SRL), and a negative effect of rainfall on root nitrogen concentration; (ii) Soil bulk density strongly influences species fine‐root morphology, by favouring thicker, denser fine‐roots; (iii) Fine‐roots from herbaceous species are on average finer and have higher SRL than those of woody species, and N2‐fixing capacity positively relates to root nitrogen; and (iv) Plants growing in pots have higher SRL than those grown in the field. Synthesis. This study reveals both the large variation in fine‐root traits encountered globally and the relevance of several key plant functional types and soil and climate variables for explaining a substantial part of this variation. Climate, particularly temperature, and plant functional types were the two strongest predictors of fine‐root trait variation. High trait variation occurred at local scales, suggesting that wide‐ranging below‐ground resource economics strategies are viable within most climatic areas and soil conditions.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».