MétaCan
Menu
Retour à la cohorte
Enregistrement W2137970405 · doi:10.1139/b08-125

Compensatory mechanisms for reproductive costs in the dioecious tree <i>Salix integra</i>

2009· article· en· W2137970405 sur OpenAlexvenueno aff
Munetaka Tozawa, Naoto Ueno, Kenji Seiwa

Notice bibliographique

RevueBotany · 2009
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiologyLeafyDioecyShootPhotosynthesisBotanyBiomass (ecology)ReproductionBiomass partitioningSexual reproductionCompensatory growth (organ)AgronomyEcologyPollen

Résumé

récupéré en direct d'OpenAlex

In dioecious plants, females often incur greater reproductive costs than males, owing to the production of seed. This has led to evolution of cost-compensatory mechanisms in females. In trees, however, reproductive cost and compensatory mechanisms are not always detectable, probably because costs and compensation traits change with time, plant size, and modular level (i.e., individual shoots and whole plants). Herein we investigated sex-specific reproductive allocation, growth, and carbon acquisition mechanisms at different hierarchical levels in a dioecious tree, Salix integra Thunb. At both shoot and whole-plant levels, females invested more resources into reproduction than males, but without an associated reduction in vegetative growth, suggesting compensatory mechanisms in females. Females had greater biomass allocation to photosynthetic organs and higher photosynthetic rates than males. Although photosynthetic rates decreased with age, higher shoot turnover in females maintained higher productivity by consistently locating new leaves in favourable light. Females had larger areas of leafy bracts beneath peduncles, suggesting a reduction in the translocation distance of the assimilation to mature seeds. Females meet greater reproductive costs not by reducing growth, but by increasing the carbon uptake ability of different modular units in well-illuminated microenvironments.

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 enseignants0,918
Score d'incertitude au seuil0,161

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 Opus0,035
Tête enseignante GPT0,229
Écart entre enseignants0,194 · 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

Citations30
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBotanyMême sujetPlant and animal studiesTravaux en français237 207