Higher local intra- than interspecific variability in water- and carbon-related leaf traits among Neotropical tree species
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Intraspecific variability in leaf water-related traits remains little explored despite its potential importance in the context of increasing drought frequency and severity. Studies comparing intra- and interspecific variability of leaf traits often rely on inappropriate sampling designs that result in non-robust estimates, mainly owing to an excess of the species/individual ratio in community ecology or, on the contrary, to an excess of the individual/species ratio in population ecology. METHODS: We carried out virtual testing of three strategies to compare intra- and interspecific trait variability. Guided by the results of our simulations, we carried out field sampling. We measured nine traits related to leaf water and carbon acquisition in 100 individuals from ten Neotropical tree species. We also assessed trait variation among leaves within individuals and among measurements within leaves to control for sources of intraspecific trait variability. KEY RESULTS: The most robust sampling, based on the same number of species and individuals per species, revealed higher intraspecific variability than previously recognized, higher for carbon-related traits (47-92 and 4-33 % of relative and absolute variation, respectively) than for water-related traits (47-60 and 14-44 % of relative and absolute variation, respectively), which remained non-negligible. Nevertheless, part of the intraspecific trait variability was explained by variation of leaves within individuals (12-100 % of relative variation) or measurement variations within leaf (0-19 % of relative variation) and not only by individual ontogenetic stages and environmental conditions. CONCLUSIONS: We conclude that robust sampling, based on the same number of species and individuals per species, is needed to explore global or local variation in leaf water- and carbon-related traits within and among tree species, because our study revealed higher intraspecific variation than previously recognized.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 ».