MétaCan
Menu
Retour à la cohorte
Enregistrement W3004432508 · doi:10.1093/jxb/eraa049

The intersection of nitrogen nutrition and water use in plants: new paths toward improved crop productivity

2020· review· en· W3004432508 sur OpenAlexaff
Darren Plett, Kosala Ranathunge, Vanessa Melino, Noriyuki Kuya, Yusaku Uga, Herbert J. Kronzucker

Notice bibliographique

RevueJournal of Experimental Botany · 2020
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant nutrient uptake and metabolism
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésApoplastNitrogenTranspirationEnvironmental scienceAgronomyWater transportProductivityCropWater useNitrateWater flowBiologyChemistryPhotosynthesisEnvironmental engineeringBotanyEcology

Résumé

récupéré en direct d'OpenAlex

Water and nitrogen availability limit crop productivity globally more than most other environmental factors. Plant availability of macronutrients such as nitrate is, to a large extent, regulated by the amount of water available in the soil, and, during drought episodes, crops can become simultaneously water and nitrogen limited. In this review, we explore the intricate relationship between water and nitrogen transport in plants, from transpiration-driven mass flow in the soil to uptake by roots via membrane transporters and channels and transport to aerial organs. We discuss the roles of root architecture and of suberized hydrophobic root barriers governing apoplastic water and nitrogen movement into the vascular system. We also highlight the need to identify the signalling cascades regulating water and nitrogen transport, as well as the need for targeted physiological analyses of plant traits influencing water and nitrogen uptake. We further advocate for incorporation of new phenotyping technologies, breeding strategies, and agronomic practices to improve crop yield in water- and nitrogen-limited production systems.

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)0,001
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 seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,049
Tête enseignante GPT0,270
Écart entre enseignants0,221 · 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

Citations273
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Experimental BotanyMême sujetPlant nutrient uptake and metabolismTravaux en français237 207