Retrieving Foliar Traits of Quercus garryana var. garryana across a Modified Landscape Using Leaf Spectroscopy and LiDAR
Notice bibliographique
Résumé
Understanding the ecological effects of human activities on an ecosystem is integral to the implementation of conservation management plans. The plasticity of plant functional traits presents an opportunity to examine the capacity for intraspecific functional trait variations to be indicators of anthropogenic landscape modifications. The presence of intraspecific trait variation would indicate that plants of a single species could to be used to evaluate and map functional diversity, a common metric used to measure biodiversity. This study uses leaf spectroscopy, light detection and ranging (LiDAR) and partial least squares regression (PLSR) to examine the intraspecific variation of functional traits in a population of 40 Quercus garryana experiencing varying levels of anthropogenic influence at the site level (<0.3 km2) in Duncan, B.C., Canada. These individuals vary in their spatial relationship to roads, agricultural land use change and an encroaching Coastal Douglas-fir forest. A total of 14 functional traits were estimated using pre-determined PLSR coefficients from a multi-species dataset. LiDAR data for each tree and were organized into functional categories based on their influence of plant lifeform, leaf growth or leaf structure. Principal components analysis was performed on each functional category to determine the relative influence of each trait. Results show that leaf growth and lifeform functional trait categories express significant variation in relation to three anthropogenic landscape modifications, while traits associated to leaf structure only varied between land use types (p = 0.05). Diameter at breast height (DBH), mass-based chlorophyll and leaf mass per area (LMA) showed the strongest variation across treatments. These findings support the hypothesis that trait variation exists in small populations of the same species and illustrate that spectroscopy can be used to indirectly sense land use via the leaf functional traits of a single tree 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 | 0,001 | 0,001 |
| 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 ».