MétaCan
Menu
← Retour à la cohorte
Enregistrement W3040632328 · doi:10.17516/1997-1389-0317

Effect of the Level of Irradiance on Growth and Content of Photosynthetic Pigments of Canadian Elodea (Elodea canadensis) in Model System “Water-Bottom Sediments”

2020· article· en· W3040632328 sur OpenAlexaboutno aff
Yuliyana V. Aleksandrova, Т. А. Зотина, N.A. Gaevsky

Notice bibliographique

RevueJournal of Siberian Federal University Biology · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Ecosystems and Phytoplankton Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesRussian Foundation for Basic Research
Mots-clésElodea canadensisBioassayIrradiancePhotosynthesisAquatic plantBotanyBiologyChlorophyllWater columnSedimentEnvironmental scienceEcologyMacrophytePhysics

Résumé

récupéré en direct d'OpenAlex

Bioassays based on aquatic plants are a convenient tool for studying the quality of bottom sediments. One of the stages in the development of a bioassay is the selection of optimal growth conditions for indicator plants in a model test system. Response of indicator physiological endpoints of Canadian waterweed (Elodea canadensis) to light flux density was investigated to determine optimal irradiance level in a “water – sediment” model system, proposed previously for contact bioassay of natural bulk bottom sediments. Based on the response of shoot and root growth (length and weight), and concentration and ratio of photosynthetic pigments (chl. a, chl. b, and carotenoids) of Elodea to the change of light flux density, no limitation or inhibition of growth and photosynthesis of Elodea was revealed at light flux density from 56 to 143 μmol quanta ∙ m-2 ∙ s-1. Hence, the level of irradiance within this range can be recommended for use in the experimental system proposed for bioassay of bulk bottom sediments using E. canadensis as an indicator

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,925
Score d'incertitude au seuil0,149

Scores du classifieur distillé par catégorie (deux têtes)

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 ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,029
Tête enseignante GPT0,192
Écart entre enseignants0,163 · 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'étudeObservationnel
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Siberian Federal University Biology→Même sujetAquatic Ecosystems and Phytoplankton Dynamics→Travaux en français237 207→