MétaCan
Menu
Retour à la cohorte
Enregistrement W2544798484 · doi:10.1080/11956860.2001.11682632

Delayed greening of mountain birch leaves:Ecological and chemical correlates

2001· article· en· W2544798484 sur OpenAlexvenueno aff
Kyösti Lempa, Jyrki Loponen, Svetlana Ossipova, Vladimir Ossipov, Kalevi Pihlaja

Notice bibliographique

RevueEcoscience · 2001
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHerbivoreDeciduousBetulaceaeBetula pubescensBiologyGreeningBotanyHorticultureEcology

Résumé

récupéré en direct d'OpenAlex

Flushing leaves of deciduous trees can be exposed to high herbivore pressure. Young foliage provides high quality food for herbivores, and therefore herbivore pressure is much higher in young than mature foliage. Plants may escape the effects of herbivory in time by delaying leaf greening. We measured delayed greening as an intensity of redness in leaves in mountain birch at bud burst. Furthermore, we analyzed covariation of leaf redness with leaf growth and leaf consumption by the autumnal moth, Epirrita autumnata (Bkh.), a major defoliator of mountain birch. We also analyzed concentrations of amino acids, sugars and phenolic compounds of leaves. Leaf redness was positively associated with leaf growth, and consumption by E. autumnata indicated reduced leaf resistance against herbivores. Concentrations of protein-bound amino acids and gallotannins in young leaves were closely and positively correlated with leaf redness. Concentrations of glucose exhibited close positive correlations with leaf redness at the beginning of the season, whereas the correlation was negligible in mature leaves. Concentrations of other sugars increased with increasing degree of leaf redness towards the end of leaf development. This may be one reason for high leaf biomass losses in trees with delayed greening.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

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 Opus0,010
Tête enseignante GPT0,231
Écart entre enseignants0,221 · 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

Citations4
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcoscienceMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207