MétaCan
Menu
Retour à la cohorte
Enregistrement W4415529218 · doi:10.1139/cjb-2024-0103

Evaluation of the relationship between soil properties and functional traits in three forest types in a subtropical mountain in Mexico

2025· article· en· W4415529218 sur OpenAlexvenueno aff
Amandine Bourg, Karolina Riaño

Notice bibliographique

RevueBotany · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgroforestry and silvopastoral systems
Établissements canadiensnon disponible
Organismes subventionnairesConsejo Nacional de Ciencia y Tecnología
Mots-clésSubtropicsSoil waterTropical and subtropical moist broadleaf forestsSiltNutrientDiameter at breast heightSoil organic matterSpecific leaf areaPlant community

Résumé

récupéré en direct d'OpenAlex

Although it is well-established that soil nutrients determine leaf morpho-physiology and tree dimensions, linking soil physicochemical properties with functional community patterns under field conditions remains difficult. We examine how soil properties shape community-weighted mean (CWM) traits and species composition in pine, mixed, and broadleaf forests along a topographic gradient in the subtropical mountains of western Mexico. We related pH, organic matter, calcium, boron, and silt with stomatal density, stomatal conductance, leaf water potential (Ψ), specific leaf area (SLA), diameter at breast height (DBH), and tree height across three forest types and nine 1000 m 2 plots along the gradient. Pine forests, with distinct species composition, occupied stressful environments characterized by acidic soils and low organic matter. They adopted a conservative resources use strategy, with lower CWM-SLA and higher CWM-DBH, along with less negative CWM-Ψ, indicating reduced water stress compared to broadleaf and mixed forests. In contrast, broadleaf and mixed forests inhabit soils without nutrient limitations, showed a more acquisitive strategy, and high species turnover resulted in similar CWM values between them. This functional heterogeneity may be a key factor in the resilience of subtropical forest to disturbances.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,099
Score d'incertitude au seuil0,917

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,107
Tête enseignante GPT0,257
Écart entre enseignants0,150 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBotanyMême sujetAgroforestry and silvopastoral systemsTravaux en français237 207