Optimizing exponential growth of Triticum aestivum by application of the relative addition rate (RAR) technique utilizing a computer-controlled nutrient delivery system
Notice bibliographique
Résumé
We conducted experiments designed to assess whether plants can be grown under conditions of low ionic strength simulating natural soil conditions. Wheat (Triticum aestivum, cv. Atlas 66) plants were grown using ten different relative nutrient addition rates (RAR) of nutrients (0.00, 0.06, 0.09, 0.12, 0.15, 0.18, 0.21, 0.24, 0.27, and 0.30 day-1) with a background solution containing 50 µmol.L-1 N and all other essential nutrients in optimal proportions relative to N. The relative growth rate (RGR) of plants over a 19-day experimental period responded directly to RAR (from 0.06 to 0.21 day-1) with a linear slope of 0.56 and an intercept of 0.085 day-1. Solution electrical conductivity (EC) values remained relatively stable over the experimental period. We examined the effect of varying nutrient concentrations in background solutions on growth of wheat plants at a RAR of 0.20 day-1. Plant dry mass production in the 50 µmol.L-1 N background solution was higher than the theoretical regression. On the other hand, plant dry mass production in the 0 µmol.L-1 N background solution was close to theoretical regression (considering a relative growth rate of 0.20 g.g-1.day-1) throughout most of the experimental period. Minimal fluctuations in solution EC values were observed over the experimental period. With the use of the computer-controlled nutrient delivery system and the RAR technique, it was possible to grow plants under conditions of low electrical conductivity simulating natural soil conditions.
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) | 0,001 | 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 ».