MétaCan
Menu
Retour à la cohorte
Enregistrement W2942305168 · doi:10.21273/hortsci13875-19

Waterlogging Tolerance of 57 Plant Species Grown Hydroponically

2019· article· en· W2942305168 sur OpenAlexaff
Ling Ma, Xingquan Rao, Xiaoyang Chen

Notice bibliographique

RevueHortScience · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant responses to water stress
Établissements canadiensUniversity of Alberta
Organismes subventionnairesScience and Technology Planning Project of Guangdong Province
Mots-clésWaterlogging (archaeology)BiologyPlant speciesShootBotanyFlooding (psychology)HorticultureAgronomyWetlandEcology

Résumé

récupéré en direct d'OpenAlex

Plans for hydroponic experiments, as well as the flooding of watersheds for ecological restoration, require abundant evaluation information regarding plant species adapted to waterlogged environments. In this study, we observed the growth rate and phenotypes of 57 plant species, including nine provenances of four species grown hydroponically. The 57 species were from 22 families and 33 genera, and their waterlogging tolerance (WT) was classified into five categories according to the results of the evaluation: excellent, good, ordinary, poor, and very poor. We found that 60% of these plant species were able to survive in hydroculture for more than 10 weeks. They showed new shoot growth and had a survival rate of more than 60%. Species with excellent or good WT developed new leaves rapidly under waterlogging stress, whereas species with ordinary or poor WT exhibited old leaves dropping from the stem soon after waterlogging stress. In addition, phenotypic divergence occurred among provenances of the same species under waterlogging stress.

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 enseignants0,766
Score d'incertitude au seuil0,491

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,011
Tête enseignante GPT0,175
Écart entre enseignants0,164 · 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

Citations16
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHortScienceMême sujetPlant responses to water stressTravaux en français237 207