MétaCan
Menu
Retour à la cohorte
Enregistrement W2128165656 · doi:10.1111/2041-210x.12391

Near‐infrared spectroscopy (<scp>NIRS</scp>) predicts non‐structural carbohydrate concentrations in different tissue types of a broad range of tree species

2015· article· en· W2128165656 sur OpenAlex
Jorge A. Ramírez, Juan M. Posada, I. Tanya Handa, Günter Hoch, Michael Vohland, Christian Messier, Björn Reu

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueMethods in Ecology and Evolution · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing in Agriculture
Établissements canadiensUniversité du Québec en OutaouaisUniversité du Québec à Montréal
Organismes subventionnairesFonds Québécois de la Recherche sur la Nature et les TechnologiesNational Science Council
Mots-clésPartial least squares regressionCalibrationMean squared errorBiological systemSampling (signal processing)BiologyBotanyChemistryMathematicsStatisticsComputer science

Résumé

récupéré en direct d'OpenAlex

Summary The allocation of non‐structural carbohydrates ( NSC s) to reserves constitutes an important physiological mechanism associated with tree growth and survival. However, procedures for measuring NSC in plant tissue are expensive and time‐consuming. Near‐infrared spectroscopy ( NIRS ) is a high‐throughput technology that has the potential to infer the concentration of organic constituents for a large number of samples in a rapid and inexpensive way based on empirical calibrations with chemical analysis. The main objectives of this study were (i) to develop a general NSC concentration calibration that integrates various forms of variation such as tree species and tissue types and (ii) to identify characteristic spectral regions associated with NSC molecules. In total, 180 samples from different tree organs (root, stem, branch, leaf) belonging to 73 tree species from tropical and temperate biomes were analysed. Statistical relationships between NSC concentration and NIRS spectra were assessed using partial least squares regression ( PLSR ) and a variable selection procedure (competitive adaptive reweighted sampling, CARS ), in order to identify key wavelengths. Parsimonious and accurate calibration models were obtained for total NSC ( r 2 of 0·91, RMSE of 1·34% in external validation), followed by starch ( r 2 = 0·85 and RMSE = 1·20%) and sugars ( r 2 = 0·82 and RMSE = 1·10%). Key wavelengths coincided among these models and were mainly located in the 1740–1800, 2100–2300 and 2410–2490 nm spectral regions. This study demonstrates the ability of general calibration model to infer NSC concentrations across species and tissue types in a rapid and cost‐effective way. The estimation of NSC in plants using NIRS therefore serves as a tool for functional biodiversity research, in particular for the study of the growth–survival trade‐off and its implications in response to changing environmental conditions, including growth limitation and mortality.

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 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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,154
Score d'incertitude au seuil0,385

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 Opus0,015
Tête enseignante GPT0,283
Écart entre enseignants0,269 · 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