Understanding Effects of Competition and Shade Tolerance on Carbon Allocation with a Carbon Balance Model
Notice bibliographique
Résumé
A carbon-balance model based on mechanistic and allometric relationships (CroBas) was used to assess the effects of competition in C allocation in jack pine (Pinus banksiana Lamb.), a shade-intolerant species, and black spruce (Picea mariana (Mill.) B.S.P.), a moderately shade-tolerant species. For both species, model efficiencies ranged from 36 to 99%. The average model bias was lower than 11% and 18% for jack pine and black spruce, respectively. For both jack pine and black spruce, the total tree C increased over the years, with greater increases noted for decreasing competition. When considering a C compartment as a ratio of the total tree C, decreasing competition resulted for both species in decreasing stem C and increasing C in branches and foliage. When considering the amount of C in a given compartment, for jack pine, decreasing competition led to greater C stem, branches, foliage, and roots, whereas, for black spruce, it also increased its stem C but lately shifted at about 20 years, following thinning; thus, the changing C allocation over time results from both “passive plasticity”, reflecting environmentally induced variations in growth, and “ontogenetic plasticity”, referring to variations in the ontogenetic trajectory of a trait. Overall, the C allocation to stem and foliage relative to the total tree C generally decreased as competition decreased, supporting the optimal partitioning theory. These C-allocation patterns were related to the species’ shade tolerance and illustrated how jack pine and black spruce maximize their competitive fitness.
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 ».