Low predictability of energy balance traits and leaf temperature metrics in desert, montane and alpine plant communities
Notice bibliographique
Résumé
Abstract Leaf energy balance may influence plant performance and community composition. While biophysical theory can link leaf energy balance to many traits and environment variables, predicting leaf temperature and key driver traits with incomplete parameterizations remains challenging. Predicting thermal offsets (δ, Tleaf − Tair difference) or thermal coupling strengths (β, Tleaf vs. Tair slope) is challenging. We ask: (a) whether environmental gradients predict variation in energy balance traits (absorptance, leaf angle, stomatal distribution, maximum stomatal conductance, leaf area, leaf height); (b) whether commonly measured leaf functional traits (dry matter content, mass per area, nitrogen fraction, δ13C, height above ground) predict energy balance traits; and (c) how traits and environmental variables predict δ and β among species. We address these questions with diurnal measurements of 41 species co‐occurring along a 1,100 m elevation gradient spanning desert to alpine biomes. We show that (a) energy balance traits are only weakly associated with environmental gradients and (b) are not well predicted by common functional traits. We also show that (c) δ and β can be partially approximated using interactions among site environment and traits, with a much larger role for environment than traits. The heterogeneity in leaf temperature metrics and energy balance traits challenges larger‐scale predictive models of plant performance under environmental change. A free Plain Language Summary can be found within the Supporting Information of this article.
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 | 0,002 |
| 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 | 0,001 |
| 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) | 0,001 | 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 ».