Temporal variation and its drivers in the elemental traits of four boreal plant species
Notice bibliographique
Résumé
Abstract Aims Intraspecific variation in plant traits has important consequences for individual fitness and herbivore foraging. For plants, trait variability across spatial dimensions is well documented. However, temporal dimensions of trait variability are less well known, and may be influenced by seasonal differences in growing degree days (GDD), temperature and precipitation. Here, we aim to quantify intraspecific temporal variation in traits and the underlying drivers for four commonly occurring boreal plant species. Methods We sampled the elemental and stoichiometric traits (%C, %N, %P, C:N, C:P, N:P) of four common browse species’ foliage across 2 years. Using a two-step approach, we first fitted generalized linear models (GzLM, n = 24) to the species’ elemental and stoichiometric traits, and tested if they varied across years. When we observed evidence for temporal variability, we fitted a second set of GzLMs (n = 8) with temperature, productivity and moisture as explanatory variables. Important Findings We found no evidence of temporal variation for most of the elemental and stoichiometric traits of our four boreal plants, with two exceptions. Year was an important predictor for percent carbon across all four species (R2 = 0.47–0.67) and for multiple elemental and stoichiometric traits in balsam fir (5/8, R2 = 0.29–0.67). Thus, variation in percent carbon was related to interannual differences, more so than nitrogen and phosphorus, which are limiting nutrients in the boreal forest. These results also indicate that year may explain more variation in conifers’ stoichiometry than for deciduous plants due to life history differences. GDD was the most frequently occurring variable in the second round of models (8/8 times, R2 = 0.21–0.41), suggesting that temperature is an important driver of temporal variation in these traits.
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 ».