MétaCan
Menu
← Retour à la cohorte
Enregistrement W2515389528 · doi:10.1139/cjps-2016-0154

Freezing tolerance of winter wheat as influenced by extended growth at low temperature and exposure to freeze-thaw cycles

2016· article· en· W2515389528 sur OpenAlexvenueno aff
Dan Skinner, Brian S. Bellinger

Notice bibliographique

RevueCanadian Journal of Plant Science · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueTurfgrass Adaptation and Management
Établissements canadiensnon disponible
Organismes subventionnairesAgricultural Research ServiceUniversity of LiverpoolU.S. Department of Agriculture
Mots-clésFreezing toleranceWinter wheatBiologyAgronomyCold toleranceHorticultureAnimal science

Résumé

récupéré en direct d'OpenAlex

As the seasons progress, autumn-planted winter wheat plants (Triticum aestivum L.) first gain then progressively lose freezing tolerance. Exposing the plants to freeze–thaw cycles of −3/3 °C results in increased ability to tolerate subsequent freezing to potentially damaging temperatures. This study was conducted to determine to what extent the length of time that a plant is grown at low temperatures influenced the effectiveness of this freeze–thaw enhancement of freezing tolerance. Plants from six winter wheat lines were grown at 4 °C for 1–18 wk, exposed to 0–2 cycles of freezing to −3 °C for 24 h, then thawed for 24 h at 3 °C, then tested for their ability to tolerate freezing to −10 °C to −17 °C. The freeze–thaw treatments resulted in increased freezing tolerance after 6–12 wk of growth at low temperatures, but had no significant effect before or after that time period. Two cycles of −3/3 °C freeze–thaw was consistently more effective than one cycle. Variation in the extent and timing of the effectiveness of the freeze–thaw treatments was found among the wheat lines, suggesting genetic variation that may be useful for prolonging freezing tolerance further into the winter months could be found in winter wheat.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,004
Tête enseignante GPT0,188
Écart entre enseignants0,183 · 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 source (Gemma direct ou Codex distillé), 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

Citations6
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Plant Science→Même sujetTurfgrass Adaptation and Management→Travaux en français237 207→