Leaf Anatomical Traits of Lianas and Trees at the Canopy of Two Contrasting Lowland Tropical Forests in the Context of Leaf Economic Spectrum
Notice bibliographique
Résumé
The leaf economic spectrum describes a comprehensive framework of how the surrounding environment modulates leaf functional traits (LFT) and how these are associated between them. This framework has traditionally focused on physiological, chemical, and biomass assignation traits, but rarely in leaf anatomical traits. Here we compare leaf anatomical metrics and traits of 40 liana and tree species from two lowland tropical forests in Panama with contrasting rainfall regimes: Parque Natural Metropolitano (dry-forest) and Parque Nacional San Lorenzo (wet-forest). Then we evaluate how anatomical traits are associated with well-established LFTs. Anatomical metrics were collected from leaf cross-section images estimating the area, thickness, cell count, and size of the upper and lower epidermis and palisade and spongy mesophyll. Ratios between metrics were performed as potential anatomical traits to reduce the leaf size effect between species. Our results suggest that anatomical changes between life forms are associated with increases in the palisade area and thickness of trees in comparison with lianas, while anatomical changes between forest type species are related to increases in the spongy area and thickness of wet-forest species than dry-forest. These differences could be associated with the high photosynthetic rates of trees or the need to enhance the gas exchange in humid environments. Our results also suggest that anatomical traits are related to well-established LFT; however, the degree of association between them may depend on the life forms and forest type. For example, our results suggest that reductions in the palisade and spongy cell density are associated with increases in leaf mass area and maximum photosynthetic capacity, but this association was not observed when we compared life forms or forest types. The use of leaf anatomical information may facilitate to describe the mechanism that drives the leaf economy, improving our understanding of the resource allocation strategies embedded in functional groups.
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 ».