Predicting seed germination of winterfat (Eurotia lanata), a native forage species
Notice bibliographique
Résumé
The timing of seed germination plays a critical role in the survival of plants in natural ecosystems. Population-based models for the prediction of seed germination as the function of temperature and water potential have been developed, which can also be used in predicting field emergence. We used winterfat (Eurotia lanata) to test variations in parameters of the thermal time and hydrothermal time model among seed mass classes and germination conditions. Germination rates (GR) of subpopulations were estimated from germination time courses over a water potential range from 0 to –1.33 MPa at 2, 5, 10, 15, 20, and 25 oC. Estimated base temperature (Tb) was lower in the large seed mass class (-4.5 oC) than the small seed mass class (-3.5 oC). The ζ b(50) was lowest at intermediate temperatures between 10 to 15 oC. A linear \nincrease of hydro time (ρH) with subpopulation was found at lower temperatures, especially at 2 oC. There were no significant differences in ζ b(50) between large and small seeds, but significant differences were observed in hydrothermal time requirement (ρHT(50)), which was lower at intermediate temperatures than at either lower or higher temperatures. The predictability of the thermal and hydrothermal time model was improved when parameters were allowed to change with seed size and germination conditions. Variations in Tb among seed mass classes favor large seeds, which accumulate more thermal time at a given temperature. This is particularly important for species such as winterfat, which germinates early in the season and early-emerged seedlings have better chance to establish and survive.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».