MétaCan
Menu
← Retour à la cohorte
Enregistrement W3086744530 · doi:10.22541/au.160010829.98962603

Plant heat tolerance characterizes carbon assimilation strategy

2020· preprint· en· W3086744530 sur OpenAlexaff
Timothy M. Perez, Annika Socha, Olga Tserej, Kenneth J. Feeley

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePhotosynthetic Processes and Mechanisms
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesFairchild Tropical Botanic Garden
Mots-clésPhotosynthesisCarbon assimilationAssimilation (phonology)Generalist and specialist speciesEnvironmental sciencePhotosystem IIThermalCarbon fibersAtmospheric sciencesBotanyBiologyEcologyMaterials sciencePhysicsMeteorology

Résumé

récupéré en direct d'OpenAlex

The heat tolerance of photosystem II (PSII) may promote carbon assimilation at higher temperatures and may help explain plant responses to climate change. PSII heat tolerance could lead to 1) increases in the high temperature compensation point (Tmax); 2) increases in the thermal breadth of photosynthesis (i.e. the photosynthetic Ω parameter) to promote a thermal generalist strategy of carbon assimilation; 3) increases in the optimum rate of carbon assimilation Popt and promote faster carbon assimilation; and/or 4) increases in the optimum temperature for photosynthesis (Topt). To address these hypotheses, we tested if the Tcrit, T50 and T95 metrics of PSII heat tolerance were correlated with each carbon assimilation parameter for 21 species. Hypothesis 1 was not supported, but we observed that T50 may estimate the upper thermal limit for Tmax at the species-level, and that community mean Tcrit may be useful for approximating Tmax. The T50 and T95 heat tolerance metrics were positively correlated with Ω in support of hypothesis 2. We found no support for hypotheses 3 or 4. Our study shows that high PSII heat tolerance is unlikely to improve carbon assimilation at higher temperatures, but may characterize thermal generalists with slow resource acquisition strategies.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,022
Tête enseignante GPT0,248
Écart entre enseignants0,226 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPhotosynthetic Processes and Mechanisms→Travaux en français237 207→