MétaCan
Menu
Retour à la cohorte
Enregistrement W3091346923 · doi:10.1111/jac.12447

The impact of global climate change on the freezing tolerance of winter cereals in Western Canada

2020· article· en· W3091346923 sur OpenAlexaffabout
Ian R. Willick, Karen Tanino, Lawrence V. Gusta

Notice bibliographique

RevueJournal of Agronomy and Crop Science · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueTurfgrass Adaptation and Management
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésFreezing toleranceSecaleWinter wheatAgronomyCultivarBiologySnowGermplasmCold toleranceHorticultureEnvironmental scienceGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Due to global climate change in Western Canada, winter cereals will be exposed to a higher frequency of winter thaws which will increase crown water and thereby reduce freezing tolerance. Cold‐acclimated winter wheat (Triticum aestivum L.) and fall rye (Secale cereale L.) were held at −4°C under a snow cover for up to 120 days and periodically subjected to a dry or wet thaw for 3 days. Freezing tolerance was monitored by either the conventional freezing test (LT50) or the durational freeze test (LD50). There was a gradual loss in LT50 and LD50 in crowns held at −4°C, with the greatest loss after 120 days. The LT50 test could only identify species differences in freezing tolerance whereas LD50 identified cultivar‐specific differences. Rehardened plants previously subjected to a 4°C dry thaw regained an LT50 comparable to non‐thawed plants. Whereas plants exposed to a wet thaw could only partially reharden. The more freezing tolerant fall rye cultivars maintained a lower LT50 under thawing and rehardening conditions as compared with winter wheat. A short winter thaw dramatically reduced crown freezing tolerance. The selection of superior germplasm to tolerate warming winter conditions is an important goal for future winter wheat breeding efforts.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,098

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
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
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 Opus0,020
Tête enseignante GPT0,250
Écart entre enseignants0,230 · 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

Citations24
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Agronomy and Crop ScienceMême sujetTurfgrass Adaptation and ManagementTravaux en français237 207