MétaCan
Menu
Retour à la cohorte
Enregistrement W1840140590 · doi:10.1139/b11-093

Phenology, leaf gas exchange, growth, and seed yield in contrasting <i>Medicago truncatula</i> and <i>Medicago laciniata</i> populations during prolonged water deficit and recovery

2012· article· en· W1840140590 sur OpenAlexvenueno aff
Nasreddine Yousfi, Inès Slama, Chédly Abdelly

Notice bibliographique

RevueBotany · 2012
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Stress Responses and Tolerance
Établissements canadiensnon disponible
Organismes subventionnairesMinistère de l'Education Nationale, de l'Enseignement Superieur et de la Recherche
Mots-clésMedicago truncatulaBiologyPhenologyMedicagoAgronomyIntraspecific competitionPopulationIrrigationBotanyHorticultureEcology

Résumé

récupéré en direct d'OpenAlex

The aims of this study were to investigate the effect of prolonged water stress and recovery on phenology, growth, and seed yield in Tunisian contrasting populations of Medicago truncatula and Medicago laciniata . After ample irrigation for 24 days, the plants of each population were divided into two lots: the first lot was irrigated at 100% field capacity (FC), and the second at only 45% FC. After 24 days of treatment, one lot of dehydrated plants was rewatered at 100% FC, while the other was maintained at 45% FC. Interspecific and intraspecific differences were found in phenological responses to water deficit. All growth parameters were more reduced in M. truncatula populations than in M. laciniata populations. The water shortage tolerance of M. laciniata populations was associated with a lower metabolic impairment of photosynthesis and maintenance of relatively higher leaf relative water content. Seed yield was also more reduced in M. truncatula populations compared with M. laciniata populations. In M. laciniata, seed mass was a compensation mechanism to sustain seed yield under drought conditions. Seed yield variation between populations under water deficit was explained mainly by variation in seed number per plant.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,022
Tête enseignante GPT0,210
Écart entre enseignants0,188 · 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 source (Gemma direct ou Codex distillé), 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

Citations5
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBotanyMême sujetPlant Stress Responses and ToleranceTravaux en français237 207