Inclusion of the Fractal Dimension of Leafless Plant Structure in the Beer‐Lambert Law
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The Beer‐Lambert law is commonly used to describe the relationship between the proportion of light penetrating a plant canopy and the leaf area index (LAI). Although the geometric distribution of leaf area has a potential effect on the ability of a plant to intercept light, the equation contains no term to account for it. In this study, the geometric distribution of leaf area was quantified by the fractal dimension of leafless plant structure (FD). The objective was to evaluate the contribution of plant structure complexity to the Beer‐Lambert law, by including FD in the equation. The crop was soybean [ Glycine max . (L.) Merr.]. Data were collected according to a block design with four blocks and five weekly repeated measures. The analyzed variables were LAI and light penetration (% per plant), and FD, estimated using leafless plants photographed from the side that allowed the maximum appearance of branches and petioles. Statistical analyses were performed week by week, on weekly means and on block means. When LAI and FD were significantly correlated (i.e., at the end of canopy development and on weekly means), inclusion of either variable as regressor in the equation provided similar goodness‐of‐fit. In other instances, inclusion of FD as a multiplicative factor of LAI increased the r 2 value up to 0.31. In all instances, the correlation between light penetration and FD was stronger than between light penetration and LAI. In summary, the application of the Beer‐Lambert law for light penetration into the canopy is improved by inclusion of FD.
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.
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) | 0,000 | 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 découle