Base Temperatures for Seedling Growth and Their Correlation with Chilling Sensitivity for Warm‐Season Grasses
Notice bibliographique
Résumé
Initial screening of warm‐season grasses for cultivation in cool, short season growing areas has been focused on frost and chilling tolerance. Adoption of warm‐season grasses in these areas has resulted in an increase in degree‐day modeling of their growth. These predictive models are dependent on accurate determination of the basal temperatures for growth. In this study, base temperatures for seedling growth were estimated for switchgrass ( Panicum virgatum L.), big bluestem ( Andropogon gerardii Vitman), Indian grass ( Sorghastrum nutans L. Nash), and prairie sandreed [ Calamovilfa longifolia (Hook) Scribn.]. Seedlings at the two‐leaf stage were grown at 4, 8, 12, 16, and 24°C in growth chambers for 4 wk with representative harvests every week. Relative growth rates were calculated for each species at each temperature and these were used, in conjunction with regression techniques, to estimate base temperatures for growth. The base temperatures were then correlated with chilling sensitivity of the plants, estimated using visual scores, chlorophyll fluorescence, and electrolyte leakage. The estimated base temperatures ranged from 2.6 to 7.3°C. There were variations among and within species in base temperatures for seedling growth. There were positive correlations between base temperatures for growth and rate of electrolyte leakage ( r = 0.73), chlorophyll fluorescence (F V /F M ; r = 0.80) and leaf damage (visual score; r = 0.76). These correlations confirm the differences in adaptation of warm‐season grasses, both within and across species. They also support the differences in base temperatures. This highlights the need to use different base temperatures in statistical growth models for different species or cultivars.
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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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) | 0,000 | 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 ».