MétaCan
Menu
Retour à la cohorte
Enregistrement W2365495829

Response of rape cultivars with different boron efficiency to boron-magnesium nutrition at seedling stage

2004· article· en· W2365495829 sur OpenAlexaff
Yunhua Wang

Notice bibliographique

RevuePlant Nutrition and Fertilizing Science · 2004
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Micronutrient Interactions and Effects
Établissements canadiensL'Alliance Boviteq
Organismes subventionnairesnon disponible
Mots-clésCultivarBoronBrassicaSeedlingChlorophyllChemistryAgronomyMagnesiumHorticultureBiology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Solution culture to studied the responses of two rape ( Brassica napus ) cultivars with different boron efficiency to boron-magnesium nutrition at seedling period. The results showed that increasing Mg concentration in the solution had no influence on the growth of two cultivars under lower B level. However, B content and B accumulation in plants decreased, and Mg content, Mg accumulation and chlorophyll content increased. Similarly, increasing B concentration under lower Mg level, Mg content, Mg accumulation and chlorophyll content decreased, the decreasing extent in the B-inefficient cultivar was larger than in the B-efficient cultivar, but chlorophyll content in B-efficient cultivar was larger than in the B-inefficient cultivar. When increasing B concentration in the solution under higher Mg level, there was a significant synergism between B and Mg. The effect of the synergism in the B-inefficient cultivar was less than in B-efficient cultivar. To a large extent, chlorophyll content in plant was tighter relative to Mg content, and less relative to B content. Boron-magnesium nutrition had no significant influence on Zn content. Under the low Mg condition, increasing B concentration could enhance Mn content significantly. At two Mg levels, increasing B concentration improved Fe nutrition of the two cultivars, however, Fe content in B-inefficiency cultivar raised significantly.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,160
Score d'incertitude au seuil0,441

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
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 Opus0,014
Tête enseignante GPT0,227
Écart entre enseignants0,212 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePlant Nutrition and Fertilizing ScienceMême sujetPlant Micronutrient Interactions and EffectsTravaux en français237 207