High temperature promotes early senescence in primary leaves of sunflower (<i>Helianthus annuus</i> L.) plants
Notice bibliographique
Résumé
De la Haba, P., De la Mata, L., Molina, E. and Agüera, E. 2014. High temperature promotes early senescence in primary leaves of sunflower (Helianthus annuus L.) plants. Can. J. Plant Sci. 94: 659–669. High temperature affects numerous biochemical and physiological traits in plants. Primary leaves of sunflower (Helianthus annuus L.) were collected from plants grown under a control temperature (day/night regime of 23/19°C) or a high temperature (day/night regime of 33/29°C) for 16, 22, 28, 32 or 42 d. Leaves of sunflower plants exposed to high temperature exhibited decreased growth, as reflected by lower specific leaf mass and reduced leaf area as compared with controls. A superior decrease in soluble protein content during leaf life span in plants grown at high temperature relative to control plants (70% vs. 45%, respectively) suggests that high temperature promotes soluble protein degradation in leaves. High temperature also reduces net photosynthetic rate (P N ) possibly by decreasing the content in photosynthetic pigments and the stomatal conductance (g s ). The activity of nitrate reductase and glutamine synthetase decreased while deaminating activity in glutamate dehydrogenase increased in leaves exposed to high temperature. Our results suggest that high temperature induced early senescence in sunflower leaves, probably as a result of an accumulation of soluble sugars and the associated decrease in starch levels. Oxidative damage resulting from increased H 2 O 2 accumulation and a decline in antioxidant activity may have also contributed to accelerated senescence of primary leaves at high temperature.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».