Modelling live fuel moisture content at leaf and canopy scale under extreme drought using a lumped plant hydraulic model
Notice bibliographique
Résumé
Abstract Water content in living vegetation (or live fuel moisture content, LFMC), is increasingly recognized as a key factor linked to vegetation mortality and wildfire ignition and spread. Most often, empirical indices are used as surrogates for direct LFMC measurements. In this paper, we explore the functional and ecophysiological drivers of LFMC during drought at the leaf and canopy scale using the SurEau-Ecos model, and a three years dataset of leaf and canopy scale measurements on a mature Quercus ilex forest, including an extreme drought. The model is based on forest hydrology and plant hydraulics and allows to simulate temporal variations of water potential and content at a daily time step. At leaf level, it simulates the relationship between water potential and water content by separating the apoplasm and the symplasm. Symplasm water content is modeled using the pressure volume curve theory, and apoplasm water content is modelled using the xylem vulnerability to cavitation. Fuel moisture content was upscaled to the canopy level by accounting for foliage mortality estimated from drought induced cavitation. The model was parameterized either with site-measured traits or using a calibration procedure, and compared with water potential and LFMC measured at leaf level, and NDVI variation measured at canopy level and taken as a surrogate for foliage mortality. At leaf level, LFMC prediction using measured hydraulic traits could be improved by considering year-to-year osmotic adjustments. At canopy level, foliage mortality due to drought induced cavitation was a key driver of LFMC decline during the most extreme drought. A sensitivity analysis showed that parameters driving soil water balance (leaf area index, soil water capacity, and regulation of transpiration) and parameters determining pressure volume curves are key traits driving LFMC dynamics at leaf level. At the canopy level, parameters that drives hydraulic failure were the most sensitive and included, both soil water balance parameters and hydraulic traits (the leaf vulnerability to cavitation) were the main drivers of LFMC decline during extreme drought. We also showed that under normal historic weather conditions, most variation of LFMC are linked to reversible symplasm dehydration, however under future, hotter and dryer conditions, most variations are due to the decline canopy of LFMC driven by foliage mortality.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».