MétaCan
Menu
Retour à la cohorte
Enregistrement W2013551302 · doi:10.1139/b03-019

Dehydration and dehiscence in siliques of <i>Brassica napus</i> and <i>Brassica rapa</i>

2003· article· en· W2013551302 sur OpenAlexfundvenueno aff
Timothy M. Squires, Marco L.H. Gruwel, Rong Zhou, Shahab Sokhansanj, Suzanne R. Abrams, Adrian J. Cutler

Notice bibliographique

RevueCanadian Journal of Botany · 2003
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSilicon Effects in Agriculture
Établissements canadiensnon disponible
Organismes subventionnairesNational Research Council Canada
Mots-clésSiliqueBrassica rapaBrassicaBiologyCanolaBotanyDehiscenceHorticultureArabidopsisMutant

Résumé

récupéré en direct d'OpenAlex

Silique dehiscence (shattering) in Brassica species has a pronounced effect on agricultural yields. Shattering is highly variable and difficult to quantify, and consequently there have been few studies that explore interspecies variation in shattering in relation to silique development. In this paper, a rapid and simple method has been developed for quantifying silique dehiscence. The variable-speed pod splitter is a mechanical device that provides a measure of the impact force required to trigger shattering of individual siliques. We have used the variable-speed pod splitter to show that siliques of Brassica rapa cv. Parkland were significantly more resistant to shattering than those of Brassica napus cv. Quantum. Siliques of both species became prone to shattering following a short period of rapid dehydration during which their water content fell from approx. 70% to approx. 10% (based on weight). Magnetic resonance imaging of individual siliques of varying ages revealed that water loss occurred from the inside the pericarp in B. napus cv. Quantum and from the outside of the pericarp in B. rapa cv. Parkland. We suggest a mechanism for how this difference in the pattern of water loss contributed to the difference in susceptibility to shatter between the two cultivars.Key words: shattering, magnetic resonance imaging, canola, valve.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,675
Score d'incertitude au seuil0,951

Scores Codex et Gemma par catégorie

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 Opus0,005
Tête enseignante GPT0,166
Écart entre enseignants0,161 · 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 tête enseignante, 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

Citations26
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of BotanyMême sujetSilicon Effects in AgricultureTravaux en français237 207