Leaf Nutrient Resorption Efficiency Aligns with the Leaf but Not Root Economic Spectrum in a Tropical Mangrove Forest
Notice bibliographique
Résumé
Leaf nutrient resorption efficiency (NuRE) is critical for plant nutrient conservation, yet its relationship with leaf and root economic traits remains poorly understood in mangroves. We quantified nitrogen (N) and phosphorus (P) resorption across ten mangrove species (five trees and five shrubs) in Hainan, China, and related NuRE to key leaf (leaf mass per area, LMA; leaf dry mass content, LDMC; and green leaf nitrogen and phosphorus contents, Ngr and Pgr, respectively) and root (specific root length, SRL; root tissue density, RTD; root diameter, RD; and root nitrogen content, Nroot) traits. We found that species with a lower leaf structural investment (LMA = 103–173 g m−2, LDMC = 19–27%) presented a 6–45% greater N and P resorption efficiency than those with a higher structural investment (LMA = 213–219 g m−2, LDMC = 26–31%). Contrary to global meta-analyses, higher green leaf N and P contents also predicted a greater NuRE, implying enhanced internal recycling under chronic nutrient limitation. Root traits (SRL, RTD, RD, and Nroot) had no significant influence on NuRE, indicating decoupled above- versus belowground strategies. Trees and shrubs diverged in size but converged in NuRE–leaf trait relationships. These findings refine plant economics theory and guide restoration by prioritizing species with acquisitive, high-NuRE foliage for nutrient-poor coasts.
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 ».