When and where soil is important to modify the carbon and water economy of leaves
Notice bibliographique
Résumé
Summary Photosynthetic ‘least‐cost’ theory posits that the optimal trait combination for a given environment is that where the summed costs of photosynthetic water and nutrient acquisition/use are minimised. The effects of soil water and nutrient availability on photosynthesis should be stronger as climate‐related costs for both resources increase. Two independent datasets of photosynthetic traits, Globamax (1509 species, 288 sites) and Glob13C (3645 species, 594 sites), were used to quantify biophysical and biochemical limitations of photosynthesis and the key variable C i / C a (CO 2 drawdown during photosynthesis). Climate and soil variables were associated with both datasets. The biochemical photosynthetic capacity was higher on alkaline soils. This effect was strongest at more arid sites, where water unit‐costs are presumably higher. Higher values of soil silt and depth increased C i / C a , likely by providing greater H 2 O supply, alleviating biophysical photosynthetic limitation when soil water is scarce. Climate is important in controlling the optimal balance of H 2 O and N costs for photosynthesis, but soil properties change these costs, both directly and indirectly. In total, soil properties modify the climate‐demand driven predictions of C i / C a by up to 30% at a global scale.
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 ».