Budburst timing within a functional trait framework
Notice bibliographique
Résumé
Abstract Phenology, the timing of recurring life history events, can vary substantially in different environments and for different species. While climate change has shifted phenology by altering its environmental triggers, such as temperature, changes in the drivers that select for species‐level variation remain poorly explained. Theory suggests that species‐level variation in phenology can result from shifting environmental pressures that favour different strategies across the spring growing season: from the early season, where higher abiotic risks and greater availability of nutrients and light favour cheaper leaves and acquisitive growth strategies, to later, when a more benign environment and lower levels of light and nutrients favour conservative growth strategies. This framework predicts a suite of traits that may covary with species phenologies, but the high variability in phenology across environments has made testing its role within a trait framework challenging. Using a modelling framework that accommodates this variability, with phenological data from a database of controlled environment experiments and tree trait data from two major databases we tested for relationships between traits and spring phenology in trees. Specifically, we examined the cues that drive early to late budburst: spring temperatures (forcing), winter temperatures (chilling) and daylength (photoperiod). We found mixed support for our predictions for how traits relate to budburst timing and phenology. Species with cues that lead to earlier budburst (small responses to experimental chilling and photoperiod) were shorter with higher leaf nitrogen content, both traits related to acquisitive strategies and thus are in line with our predictions. However, our one reproductive trait of seed mass showed no relationship with phenology, and other traits (e.g. specific leaf area) showed relationships in the opposite direction to our predictions. Synthesis : Our findings show how spring budburst phenology partially fits within a functional trait framework of acquisitive to conservative growth strategies. Leveraging these relationships could improve predictions of how communities shift in their growth strategies alongside changing phenology with future warming.
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) | 0,001 | 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 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 ».