Dark-adapted leaf conductance, but not minimum leaf conductance, predicts water use efficiency of soybean (<i>Glycine max</i> L. Merr.)
Notice bibliographique
Résumé
Walden-Coleman, A. E., Rajcan, I. and Earl, H. J. 2013. Dark-adapted leaf conductance, but not minimum leaf conductance, predicts water use efficiency of soybean (Glycine max L. Merr.). Can. J. Plant Sci. 93: 13–22. The conductance to water vapor of dark-adapted leaves (g dark ) has been shown to be negatively correlated with whole-plant water use efficiency (WUE) in soybean, but the physiological basis of this relationship is unknown. It is also not clear how g dark compares with the minimum leaf conductance of wilted leaves (g min ), a trait that has been studied extensively across a broad range of species. We compared g dark to g min of soybean leaves and found that g dark values were consistently much higher than g min values measured on the same leaves. Also, across seven soybean varieties known to differ for WUE, g dark but not g min was correlated with WUE. Thus, g dark and g min should be considered distinct traits. We measured g dark at two different leaf positions, and found that g dark measured at the lower leaf position (two main stem nodes below the youngest fully expanded leaf) was best correlated with WUE. We then used this method to screen a selection of current commercial soybean varieties adapted to Ontario, Canada, for variation in g dark . The range in g dark among the commercial varieties was as broad as that measured previously among more diverse genotypes, suggesting that Ontario soybean varieties might also vary widely for WUE.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».