How do leaf and ecosystem measures of water‐use efficiency compare?
Notice bibliographique
Résumé
Summary The terrestrial carbon and water cycles are intimately linked: the carbon cycle is driven by photosynthesis, while the water balance is dominated by transpiration, and both fluxes are controlled by plant stomatal conductance. The ratio between these fluxes, the plant water‐use efficiency (WUE), is a useful indicator of vegetation function. WUE can be estimated using several techniques, including leaf gas exchange, stable isotope discrimination, and eddy covariance. Here we compare global compilations of data for each of these three techniques. We show that patterns of variation in WUE across plant functional types (PFTs) are not consistent among the three datasets. Key discrepancies include the following: leaf‐scale data indicate differences between needleleaf and broadleaf forests, but ecosystem‐scale data do not; leaf‐scale data indicate differences between C 3 and C 4 species, whereas at ecosystem scale there is a difference between C 3 and C 4 crops but not grasslands; and isotope‐based estimates of WUE are higher than estimates based on gas exchange for most PFTs. Our study quantifies the uncertainty associated with different methods of measuring WUE, indicates potential for bias when using WUE measures to parameterize or validate models, and indicates key research directions needed to reconcile alternative measures of WUE.
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 ».