Soilless cultivation of soybean for <scp>B</scp>ioregenerative <scp>L</scp>ife‐<scp>S</scp>upport <scp>S</scp>ystems: a literature review and the experience of the <scp>MEL</scp>i<scp>SSA P</scp>roject – <scp>F</scp>ood characterisation <scp>P</scp>hase <scp>I</scp>
Notice bibliographique
Résumé
Higher plants play a key role in Bioregenerative Life-Support Systems (BLSS) for long-term missions in space, by regenerating air through photosynthetic CO2 absorption and O2 emission, recovering water through transpiration and recycling waste products through mineral nutrition. In addition, plants could provide fresh food to integrate into the crew diet and help to preserve astronauts' wellbeing. The ESA programme Micro-Ecological Life-Support System Alternative (MELiSSA) aims to conceive an artificial bioregenerative ecosystem for resources regeneration, based on both microorganisms and higher plants. Soybean [Glycine max (L.) Merr.] is one of the four candidate species studied for soilless (hydroponic) cultivation in MELiSSA, because of the high nutritional value of the seeds. Within the MELiSSA programme - Food characterisation Phase I, the aim of the research carried out on soybean at the University of Naples was to select the most suitable European cultivars for cultivation in BLSS. In this context, a concise review on the state-of-the-art of soybean cultivation in space-oriented experiments and a summary of research activity for the preliminary theoretical selection and subsequent agronomical evaluation of four cultivars will be presented in this paper.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 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 ».