DETECTION AND DISCRIMINATION OF NUTRIENT DEFICIENCIES IN SUNFLOWER BY BLUE-GREEN AND CHLOROPHYLL-<i>A</i>FLUORESCENCE IMAGING
Notice bibliographique
Résumé
Fluorescence imaging was utilized to demonstrate the potential of blue-green fluorescence (BGF) and chlorophyll-a fluorescence (ChlF) to discriminate nitrogen (N), phosphorus (P), and potassium (K) deficiencies in sunflower plant showing similar growth inhibition. Only K-deficient leaves displayed significant increase of the BGF intensity. The epidermal UV-transmittance estimated by the ratio of ChlF intensities induced by UV and blue excitations (ChlFUV/ChlFBLUE) markedly decreased in both N- and P-deficient leaves but only in the latter that we observed significant decrease of the ratio of red and far-red ChlF intensities (RF/FRF) (that is inversely related to leaf chlorophyll concentration). The BGF increase in K-deficient was limited at leaf apex and margins and was spatially correlated to localized RF/FRF increases. Images analysis allows a better interpretation of the fluorescence changes by showing the spatial relationships between BGF, the ChlFUV/ChlFBLUE and the RF/FRF ratios that are indicative of physiological disturbances occurring in leaves of nutrient deficient plants.
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 | 0,000 | 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 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 ».