MétaCan
Menu
Retour à la cohorte
Enregistrement W2750173197 · doi:10.5539/apr.v9n5p36

Water Deficiency Detection of Hevea brasiliensis Clones by Laser Induced Fluorescence

2017· article· en· W2750173197 sur OpenAlexvenueno aff
Emma Georgina Zoro-Diama, Pénétjiligué Adama Soro, Kedro Siriki DIOMANDE, Kouadio Dian, Amara Kamate, A. Adohi-Krou

Notice bibliographique

RevueApplied Physics Research · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural and Food Sciences
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHevea brasiliensisPhotosynthesisChlorophyll fluorescenceFluorescenceChlorophyllBiologyHorticultureBotanyMaterials scienceNatural rubberPhysicsOptics

Résumé

récupéré en direct d'OpenAlex

Water is the key nutritional element for the optimal development of plants. A water deficiency leads to lower crop productivity. As the health status of a plant influences the photosynthesis process, a photosynthetic diagnosis of a plant can be carried by laser induced chlorophyll fluorescence, a reliable and fast method that is non-destructive to the sample. In this study, we show that it is possible to detect the water deficiency of rubber tree hevea brasiliensis from the chlorophyll fluorescence ratio. The fluorescence ratio used in this study is called the effective ratio and it corresponds to the both fluorescence peaks ratio. We noticed that the water deficient plants fluorescence ratios were higher than those of normally watered plants. Moreover, the stressed plants' ratios are greater than a threshold value which depends on the duration of water deprivation application.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,138
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,076
Tête enseignante GPT0,303
Écart entre enseignants0,227 · 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'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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Physics ResearchMême sujetAgricultural and Food SciencesTravaux en français237 207