MétaCan
Menu
Retour à la cohorte
Enregistrement W2137923273 · doi:10.1139/x02-160

Development of Douglas-fir seedling root architecture in response to localized nutrient supply

2003· article· en· W2137923273 sur OpenAlexvenueno aff
Douglass F. Jacobs, Robin Rose, Diane L. Haase

Notice bibliographique

RevueCanadian Journal of Forest Research · 2003
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSeedling growth and survival studies
Établissements canadiensnon disponible
Organismes subventionnairesOregon State University
Mots-clésSeedlingFertilizerNutrientSowingRoot systemBiologyHorticultureDouglas firPenetration (warfare)AgronomyBotanyMathematicsEcology

Résumé

récupéré en direct d'OpenAlex

Three months following sowing, Douglas-fir (Pseudotsuga menziesii (Mirb.) Franco) seedlings were transplanted into pots with controlled-release fertilizer (CRF) applied at rates of 0, 8, 16, and 24 g/2200 cm 3 soil as a single uniform layer beneath the root system. Seedlings were destructively harvested periodically, and roots were divided into vertical segments above (S1), within (S2), and below (S3) the fertilizer layer. Two months following transplant, the number of active root tips was positively correlated with CRF rate in S1 and negatively correlated with rate in S2 and S3. At 6 months, root penetration into S3 was severely restricted at 16 and 24 g. This was attributed to detrimental changes in soil osmotic potential in S2. Fertilizer improved seedling growth at 8 g after 6 months compared with controls but was inhibitory at 24 g. Photochemical quantum yield was higher in all CRF treatments compared with controls 3 months following transplant, which corresponded with rapid initial CRF nutrient release. Despite improvements in nutrient release technology with CRF, high application rates may result in excessive concentrations of fertilizer nutrients in media, which can restrict root penetration and negatively affect seedling growth. Conservative application rates and improvements in CRF technology will help reduce the potential for adverse effects on seedling development.

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)0,005
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,423
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,031
Tête enseignante GPT0,287
Écart entre enseignants0,256 · 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

Citations32
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetSeedling growth and survival studiesTravaux en français237 207