MétaCan
Menu
Retour à la cohorte
Enregistrement W2740539023 · doi:10.5206/wurjhns.2017-18.1

Plant Warfare: Allelopathic Effects of Nicotiana tabacum on the Germination of Vigna radiata and Triticum aestivum

2017· article· en· W2740539023 sur OpenAlexaffvenue
Jason M Baek, Olivia J Kawecki, Krishawn D Lubin, Jialin Song, Olivia A Wiens, Fiona Wu

Notice bibliographique

RevueWestern Undergraduate Research Journal Health and Natural Sciences · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAllelopathy and phytotoxic interactions
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésAllelopathyGerminationVignaRadiataBiologyNicotiana tabacumCropAgronomyBioassayHorticultureBotany

Résumé

récupéré en direct d'OpenAlex

Allelopathic chemicals in many plants can be released into the surrounding soil and may affect the development of nearby crops. Understanding allelopathic effects can be extremely beneficial for both economic and environmental reasons. The information gained from understanding allelopathy may be used in the optimization of crop rotations. Previous studies have investigated the negative allelopathic effects of Nicotiana tabacum — tobacco, on corn and other crops. Our study investigated the allelopathic impact of tobacco on seed germination of mung bean, Vigna radiata, and organic red fife wheat, Triticum aestivum. Seeds were treated with various concentrations of tobacco leaf solution to study the effects of tobacco on germination of the seeds. The effects of tobacco on the germination rate and percentage of germination were analyzed using one-way ANOVA with Tukey HSD tests. Results showed that there was a significant decrease in germination rate at high concentrations of tobacco. Our findings suggest that allelopathic chemicals released by tobacco have detrimental effects on the germination of mung bean and red fife wheat. Therefore, when forming crop rotations, it is important to take into account and understand the allelopathic effects and interactions between different species planted in the same region.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,854
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,066
Tête enseignante GPT0,364
Écart entre enseignants0,298 · 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.

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

Citations8
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWestern Undergraduate Research Journal Health and Natural SciencesMême sujetAllelopathy and phytotoxic interactionsTravaux en français237 207