The Global Spectra-Trait Initiative: A database of paired leaf spectroscopy and functional traits associated with leaf photosynthetic capacity
Notice bibliographique
Résumé
Abstract. Accurate assessment of leaf functional traits is crucial for a diverse range of applications from crop phenotyping to parameterizing global climate models. Leaf reflectance spectroscopy offers a promising avenue to advance ecological and of robust hyperspectral models for predicting leaf photosynthetic capacity and associated traits from reflectance data has been hindered by limited data availability across species and environments. Here we introduce the Global Spectra-Trait Initiative (GSTI), a collaborative repository of paired leaf hyperspectral and gas exchange measurements from diverse ecosystems. The GSTI repository currently encompasses over 7500 observations from 397 species and 41 sites gathered from 36 published and unpublished studies, thereby offering a key resource for developing and validating hyperspectral models of leaf photosynthetic agricultural research by complementing traditional, time-consuming gas exchange measurements. However, the development capacity. The GSTI database is developed on GitHub (https://github.com/plantphys/gsti) and published to ESS-dive https://data.ess-dive.lbl.gov/datasets/doi:10.15485/2530733, Lamour et al., 2025). It includes gas exchange data, derived photosynthetic parameters, and key leaf traits often associated with traditional gas exchange measurements such as leaf mass per area and leaf elemental composition. By providing a standardized repository for data sharing and analysis, we present a critical step towards creating hyperspectral models for predicting photosynthetic traits and associated leaf traits for terrestrial plants.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,015 |
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 ».