MétaCan
Menu
Retour à la cohorte
Enregistrement W2767351738 · doi:10.2135/cropsci2017.07.0406

Photosynthesis and Growth of Camelina and Canola in Response to Water Deficit and Applied Nitrogen

2017· article· en· W2767351738 sur OpenAlexafffund
Libiao Gao, C. D. Caldwell, Yunfei Jiang

Notice bibliographique

RevueCrop Science · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueLipid metabolism and biosynthesis
Établissements canadiensUniversity of GuelphDalhousie University
Organismes subventionnairesGenome Atlantic
Mots-clésCamelinaCamelina sativaCanolaShootBiologyTranspirationAgronomyBrassicaWater-use efficiencyPhotosynthesisBiomass (ecology)HorticultureCropBotanyIrrigation

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Nitrogen (N) and water availabilities are two important environmental factors affecting crop growth and yield. Effects of applied N and water deficit imposition on photosynthesis rate (Pn), transpiration rate ( E ), stomatal conductance ( g s ), and shoot and root biomass accumulation in camelina [ Camelina sativa (L.) Crantz] and canola ( Brassica napus L.) were compared in a greenhouse. Water deficit significantly decreased Pn, E , g s , and shoot/root biomass ratio in both crops. The relative reduction of Pn, E , and g s caused by water deficit was greater in canola than in camelina. Under drought conditions, applied N enhanced Pn and g s but had less pronounced effects on E in camelina. Camelina maintained higher Pn at N levels >125 kg N ha −1 under water deficit. In contrast, when exposed to drought, applied N decreased Pn, E , and g s in canola. The shoot/root ratio was more responsive to applied N in camelina, whereas applied N did not affect the shoot/root ratio in canola. Under drought conditions, camelina maintained a higher shoot/root ratio than canola. These results suggest that camelina is more tolerant to drought stress and potentially has greater adaptability to dryland production than canola.

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 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 enseignants0,125
Score d'incertitude au seuil0,234

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 technologies0,0000,001
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 Opus0,008
Tête enseignante GPT0,232
Écart entre enseignants0,225 · 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

Citations42
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCrop ScienceMême sujetLipid metabolism and biosynthesisTravaux en français237 207