MétaCan
Menu
Retour à la cohorte
Enregistrement W2810604072 · doi:10.21273/horttech03975-18

The Salinity Tolerance of Seeded-type Common Bermudagrass Cultivars and Experimental Selections

2018· article· en· W2810604072 sur OpenAlexaboutno aff
Mingying Xiang, Justin Q. Moss, Dennis L. Martin, Yanqi Wu

Notice bibliographique

RevueHortTechnology · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueTurfgrass Adaptation and Management
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Food and AgricultureOklahoma Agricultural Experiment StationU.S. Department of Agriculture
Mots-clésSalinityCynodon dactylonCultivarNormalized Difference Vegetation IndexPaspalumIrrigationRandomized block designHalophyteAgronomyBiologyShootEnvironmental scienceLeaf area indexEcology

Résumé

récupéré en direct d'OpenAlex

Turfgrass managers are using reclaimed water as an irrigation resource because of the decreasing availability and increasing cost of fresh water. Much attention, thereby, has been drawn to select salinity-tolerant turfgrass cultivars. An experiment was conducted to evaluate the relative salinity tolerance of 10 common bermudagrasses ( Cynodon dactylon ) under a controlled environment in a randomized complete block design with six replications. ‘SeaStar’ seashore paspalum ( Paspalum vaginatum ) was included in this study as a salinity-tolerant standard. All entries were tested under four salinity levels (1.5, 15, 30, and 45 dS·m −1 ) consecutively using subirrigation systems. The relative salinity tolerance among entries was determined by various parameters, including the normalized difference vegetation index (NDVI), percentage green cover determined by digital image analysis (DIA), leaf firing (LF), turf quality (TQ), shoot vertical growth (VG), and dark green color index (DGCI). Results indicated that salinity tolerance varied among entries. Except LF, all parameters decreased as the salinity levels of the irrigation water increased. ‘Princess 77’ and ‘Yukon’ provided the highest level of performance among the common bermudagrass entries at the 30 dS·m −1 salinity level. At 45 dS·m −1 , the percent green cover as measured using DIA varied from 4.97% to 16.11% among common bermudagrasses, where ‘SeaStar’ with a DIA of 22.92% was higher than all the common bermudagrass entries. The parameters LF, TQ, NDVI, DGCI, VG, and DIA were all correlated with one another. Leaf firing had the highest correlation with other parameters, which defined its value as a relative salinity tolerance measurement for common bermudagrass development and selection.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 GPT0,261
Écart entre enseignants0,251 · 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'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

Citations7
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHortTechnologyMême sujetTurfgrass Adaptation and ManagementTravaux en français237 207