Using functional traits to assess crop-environment interactions in agroforestry systems
Notice bibliographique
Résumé
Selecting crops that express certain reproductive, leaf, and root traits has led to diverse crop domestication syndromes. However, scientific and informal on-farm research has primarily focused on understanding and managing linkages between only certain traits and yield. There is strong evidence suggesting that leaf functional traits—i.e., the morphological (e.g., specific leaf area [SLA]), physiological (e.g., photosynthesis), and chemical (e.g., leaf nitrogen (N) concentrations) traits of plants—have also been influenced by domestication, and reflect trade-offs and constraints among aspects of crop biology and agroecosystem environmental conditions. Yet, our understanding of how agroforestry systems influence trait expression and relationships remains limited. We measured nine morphological (thickness, area, SLA), physiological (maximum photosynthetic rates, stomatal conductance, and water-use efficiency [WUE]) and chemical traits (leaf carbon (C) and N concentrations, C:N ratios), on six cultivars grown in two clonal gardens with distinct environmental characteristics (i.e., a “Mild dry season” with near-optimal cacao growing conditions, and a “Harsh dry season” site with sub-optimal conditions). Genotype x Environment interactions were detectable in leaf functional trait expression, though these interactions varied strongly with the group of traits being evaluated; morphological traits varied widely among clones but these differences were robust across sites, while physiological and chemical traits significantly differed between clones, though inter-clonal differences varied depending on sites. Specifically, SLA increased with the clone productivity potential at both sites, while the least productive clones exhibited higher trait variation with a given site. Our results suggest that evaluating functional trait variation informs our understanding of Genotype x Environment interactions in crops widely cultivated in agroforestry systems. These results also suggest that integrating theory and techniques from functional trait ecology into agroforestry management design and crop selection, can contribute to optimizing agroforestry production under environmental constraints.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,000 | 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 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 ».