Resolving the contrasting leaf hydraulic adaptation of <scp>C<sub>3</sub></scp> and <scp>C<sub>4</sub></scp> grasses
Notice bibliographique
Résumé
Summary Grasses are exceptionally productive, yet their hydraulic adaptation is paradoxical. Among C 3 grasses, a high photosynthetic rate ( A area ) may depend on higher vein density ( D v ) and hydraulic conductance ( K leaf ). However, the higher D v of C 4 grasses suggests a hydraulic surplus, given their reduced need for high K leaf resulting from lower stomatal conductance ( g s ). Combining hydraulic and photosynthetic physiological data for diverse common garden C 3 and C 4 species with data for 332 species from the published literature, and mechanistic modeling, we validated a framework for linkages of photosynthesis with hydraulic transport, anatomy, and adaptation to aridity. C 3 and C 4 grasses had similar K leaf in our common garden, but C 4 grasses had higher K leaf than C 3 species in our meta‐analysis. Variation in K leaf depended on outside‐xylem pathways. C 4 grasses have high K leaf : g s , which modeling shows is essential to achieve their photosynthetic advantage. Across C 3 grasses, higher A area was associated with higher K leaf , and adaptation to aridity, whereas for C 4 species, adaptation to aridity was associated with higher K leaf : g s . These associations are consistent with adaptation for stress avoidance. Hydraulic traits are a critical element of evolutionary and ecological success in C 3 and C 4 grasses and are crucial avenues for crop design and ecological forecasting.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».