Priming seeds in aqueous smoke solutions to improve seed germination and biomass production of perennial forage species
Notice bibliographique
Résumé
Seeds of many forage species have dormancy, delaying germination in the field. Species from semi-arid environments may have adaptation to fire, therefore, the effects of priming seeds of common forage species in aqueous smoke solutions were studied. Seeds of eight grasses and two legumes were primed in serial dilutions of aqueous smoke solutions and then dried before germination tests. Depending on the species and concentrations of solutions, priming seeds acted independently or in interaction with light and (or) temperature to improve germination in Altai wildrye (Leymus angustus), green needlegrass (Nassella viridula), Kura clover (Trifolium ambiguum), needle-and-thread (Hesperostipa comata), northern wheatgrass (Elymus lanceolatus), orchard grass (Dactylis glomerata), plains rough fescue (Festuca hallii), Russian wildrye (Psathyrostachys juncea), and western wheatgrass (Pascopyrum smithii). Priming seeds of cicer milkvetch (Astragalus cicer) in distilled water or aqueous smoke solutions had no effect on germination (P > 0.05). Priming seeds in aqueous smoke solutions partially substituted the light requirement for germination in seven species. Priming seeds in aqueous smoke solutions before sowing in the field did not change total seedling emergence (P > 0.05), but increased standing crop for orchard grass and Plains rough fescue. Overall, the beneficial effects of priming in smoke solutions on perennial age species are less than species from environments adapted to more frequent fires.
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 | 0,000 |
| 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 ».