MétaCan
Menu
Retour à la cohorte
Enregistrement W2956989452 · doi:10.1038/s41598-019-46248-y

A general non-rectangular hyperbola equation for photosynthetic light response curve of rice at various leaf ages

2019· article· en· W2956989452 sur OpenAlexaff
Junzeng Xu, Yuping Lv, Xiaoyin Liu, Wei Qi, Zhiming Qi, Shihong Yang, Linxian Liao

Notice bibliographique

RevueScientific Reports · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueLeaf Properties and Growth Measurement
Établissements canadiensMcGill University
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesGovernment of Jiangsu ProvinceNatural Science Foundation of Jiangsu ProvinceNational Natural Science Foundation of China
Mots-clésHyperbolaMathematicsBiologyBotanyGeometry

Résumé

récupéré en direct d'OpenAlex

Abstract Photosynthetic light response (PLR) curves of leaves are usually fitted by non-rectangular hyperbola (NRH) equation, and those fitted NRH parameters may change with leaf aging. The objectives of this study were 1) to reveal the response of NRH parameters of rice leaves, light-saturated net photosynthetic rate (Pnmax), quantum yield of assimilation (φ), dark respiration rate (Rd) and convexity of the curve (k), to leaf age; and 2) to improve the performance of NRH equation in simulating the PLR curves for leaves at various ages. The PLR for rice leaves at ages of 3–53 days were measured, and the general NRH equation was developed by incorporating the relationship between NRH parameters and leaf age into the NRH equation. The results showed that the NRH parameters of Pnmax, φ and Rd increased rapidly to maximum at approximately 10 days and then declined linearly toward the age of 53 days. However, the value of k was not sensitive to leaf age. The general NRH equation can be used to simulate leaf PLR continuously along with leaf aging.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,024
Tête enseignante GPT0,217
Écart entre enseignants0,193 · 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

Citations40
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetLeaf Properties and Growth MeasurementTravaux en français237 207