MétaCan
Menu
Retour à la cohorte
Enregistrement W4283808440 · doi:10.3390/plants11131769

The Modified Brière Equation and Its Applications

2022· article· en· W4283808440 sur OpenAlexaff
Jun Jin, Brady K. Quinn, Peijian Shi

Notice bibliographique

RevuePlants · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueLeaf Properties and Growth Measurement
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesNational Key Research and Development Program of China
Mots-clésSigmoid functionMathematicsStructural equation modelingGoodness of fitGrowth rateGrowth curve (statistics)StatisticsMathematical analysisApplied mathematicsComputer scienceGeometry

Résumé

récupéré en direct d'OpenAlex

The Brière equation (BE) is widely used to describe the effect of temperature on the development rate of insects, and it can produce both symmetrical and asymmetrical bell-shaped curves. Because of its elasticity in curve fitting, the integrated form of BE has been recommended for use as a sigmoid growth equation to describe the increase in plant biomass with time. However, the start time of growth predicted by the sigmoid growth equation based on the BE is not completely comparable to empirical crop growth data. In the present study, we modified the BE by adding an additional parameter to further increase its elasticity for data fitting. We termed this new equation the modified Brière equation (MBE). Data for the actual height and biomass of 15 species of plants (with two cultivars for one species) were fit with the sigmoid growth equations based on both the BE and MBE assuming that the growth start time was zero for both. The goodness of fit of the BE and MBE sigmoid growth equations were compared based on their root-mean-square errors and the corresponding absolute percentage error between them when fit to these data. For most species, we found that the MBE sigmoid growth equation achieved a better goodness of fit than the BE sigmoid growth equation. This work provides a useful tool for quantifying the ontogenetic or population growth of plants.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,924
Score d'incertitude au seuil0,558

Scores Codex et Gemma par catégorie

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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,070
Tête enseignante GPT0,208
Écart entre enseignants0,137 · 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 tête enseignante, 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
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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePlantsMême sujetLeaf Properties and Growth MeasurementTravaux en français237 207