Application of the hydrotime model to assess seed priming effects on the germination of rapeseed (<i>Brassica napus</i> L.) in response to water stress
Notice bibliographique
Résumé
Our aim was to determine whether the parameters of the hydrotime model can be used to compare the effects of seed priming treatments on germination. Seeds of three rapeseed cultivars (‘H61’, ‘H4815’, and ‘DK003’) were exposed to priming treatments and then their germination was tested at different water potentials. Seed priming improved the germination percentage, which was higher in ‘H4815’ than in the other two cultivars, and it increased germination rate (decreased θH) and uniformity (decreased σψb). The increase in germination rate was higher in PEG-osmoprimed than in NaCl-osmoprimed and hydroprimed seeds. The base water potential allowing 50% germination ([Formula: see text]) also was affected by seed priming, but the response of cultivars to different priming treatments varied. Compared with the control seeds, hydropriming of ‘H61’ seeds shifted ψb(50) toward negative values, whereas NaCl-osmopriming of ‘H4815’ seeds shifted ψb(50) toward negative values. On the other hand, priming of ‘DK003’ seeds shifted ψb(50) to more positive values and increased susceptibility to water stress. After dormancy-breaking and dormancy-induction treatments, ψb(50) shifted to more negative or positive values, indicating the release of primary dormancy and induction of dormancy, respectively. Therefore, priming treatments should be selected, depending on the environmental conditions anticipated to prevail during the germination of rapeseed seeds.
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) | 0,001 | 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 ».