Dry matter content as a measure of dry matter concentration in plants and their parts
Notice bibliographique
Résumé
Summary This study compared the predictive ability of dry matter content (DMC, dry mass per fresh mass) of leaves, stems, roots and entire plants in relation to dry matter concentration (D, dry mass per volume of plant organ). Data came from 28 species of field‐collected plants (woody and herbaceous) and 17 species of herbaceous plants grown in hydroponic sand culture. Specific leaf areas were also measured. Dry matter content of the herbaceous plants grown in sand culture varied more between tissue types than did dry matter concentration but the correlation among plant parts was stronger when using DMC. Means and standard errors for DMC (g g −1 ) were 0.212 ± 0.009 (leaves), 0.176 ± 0.012 (support tissues) and 0.170 ± 0.021 (roots); for D (g cm −3 ) the values were 0.158 ± 0.010 (leaves), 0.168 ± 0.017 (support tissues) and 0.153 ± 0.013 (roots). Leaf DMC provided approximate estimates of leaf D ( r = 0.76) for the field‐collected plants but sclerophyllous leaves from shrubs restricted to acidic bogs proved to be outliers. The relationship between these two variables was stronger in the herbaceous species grown in sand culture, especially so for whole plant estimates ( r = 0.91). Dry matter content and dry matter concentration were equally good predictors of specific leaf area.
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) | 0,001 | 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 ».