MétaCan
Menu
Retour à la cohorte
Enregistrement W2970900357 · doi:10.1080/07388551.2019.1654973

Sustainable wheat (<i>Triticum aestivum</i>L.) production in saline fields: a review

2019· review· en· W2970900357 sur OpenAlexaff
Mohammad Miransari, Donald L. Smith

Notice bibliographique

RevueCritical Reviews in Biotechnology · 2019
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Stress Responses and Tolerance
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésSalinityAgronomySoil salinityIrrigationCropEnvironmental scienceBiologyCrop yieldSowingSaline waterEcology

Résumé

récupéré en direct d'OpenAlex

L.) ones, are subjected to various stresses including salinity. Given the increasing world population, finding methods and strategies that can alleviate salinity stress on crop yield production is of outmost importance. The presented review has consulted more than 400 articles related to the clean and sustainable production of wheat in saline fields affected by biological, environmental, economical, and social parameters including the important issue of climate change (global warming). The negative effects of salt stress on plant growth and the techniques, which have been so far detected to alleviate salinity stress on wheat growth have been analyzed and presented. The naturally tolerant species of wheat can use a range of mechanisms to alleviate salinity stress including sodium exclusion, potassium retention, and osmoregulation. However, the following can be considered as the most important techniques to enhance wheat tolerance under stress: (1) the biotechnological (crop breeding), biological (soil microbes), and biochemical (seed priming) methods, (2) the use of naturally tolerant genotypes, and (3) their combined use. The proper handling of irrigation water is also an important subject, which must be considered when planting wheat in saline fields. In conclusion, the sustainable and cleaner production of wheat under salt stress is determined by a combination of different parameters including the biotechnological techniques, which if handled properly, can enhance wheat production in saline fields.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,064
Tête enseignante GPT0,348
Écart entre enseignants0,284 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations124
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical Reviews in BiotechnologyMême sujetPlant Stress Responses and ToleranceTravaux en français237 207