MétaCan
Menu
Retour à la cohorte
Enregistrement W2889998399 · doi:10.5539/jas.v10n10p66

Cl− More Detrimental Than Na+ in Rice Under Long-Term Saline Conditions

2018· article· en· W2889998399 sur OpenAlexvenueno aff
Dao Duy Hanh, Yoshihiko Hirai

Notice bibliographique

RevueJournal of Agricultural Science · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRice Cultivation and Yield Improvement
Établissements canadiensnon disponible
Organismes subventionnairesJapan Society for the Promotion of Science
Mots-clésSalinityShootChemistrySodiumGrain yieldYield (engineering)Dry weightAgronomyHorticultureAnimal scienceBiologyMaterials scienceMetallurgy

Résumé

récupéré en direct d'OpenAlex

Rice is considered sensitive to salinity and hence, improving the salinity tolerance of rice is desired to increase productivity. Most research on salinity tolerance for the growth and grain yield of rice focuses on the toxicity of sodium (Na+) and not chloride (Cl−); the information on the negative effects of Cl− on rice is still limited. To learn the difference in the long-term effects of Na+ and Cl− on the whole plant and grain productivities, three rice varieties differing in salinity tolerance were grown in pots irrigated by water with NaCl and KCl in the same molar concentration. The whole plant dry weight and grain yield in all varieties decreased to the same extent after NaCl and KCl treatments compared to the control during the full heading and maturity stages. However, Na+ content in shoots of all varieties under NaCl treatment were higher at all stages than that under KCl treatment and the control. In the most cases, the Cl− content in plants was similar in the NaCl and KCl treatment groups. There was a negative significant correlation between the relative dry weight and grain yield (treated/control) and the Cl− content in the plants. From these results, it was suggested that plant dry weight and grain yield under long-term salinity conditions was reduced by Cl− toxicity rather than Na+ toxicity.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,915
Score d'incertitude au seuil0,308

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,028
Tête enseignante GPT0,288
Écart entre enseignants0,259 · 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetRice Cultivation and Yield ImprovementTravaux en français237 207