Water activity in seed and pollen banks: an efficient tool to improve conservation of forest genetic resources
Notice bibliographique
Résumé
Water activity in seed and pollen banks: an efficient tool to improve conservation of forest genetic resources.\nGenetic diversity of forest reproductive materials, in combination with environmental effects, induces significant intra-specific phenotypic diversity of materials like pollen and seed lots. This makes it difficult to predict the moisture behaviour of forest reproductive material and consequently complicates management procedures.\nWe built and analysed numerous sorption isotherms to describe the moisture behaviour of forest tree seed and pollen lots. As expected, we obtained moisture behaviour models and, more advantageously, optimal equilibrium relative humidity (eRH) values for seed and pollen storage.\nWater activity (aw) measurement is a non destructive, portable and rapid technique to assess moisture content. Both aw and eRH are reliable indicators of the status of water in compounds like seeds or pollen because they are a function of the water potential (Ψ), or energy status of water in hygroscopic matrixes. Gravimetric moisture content (MC) of a given sample is not a factor but a consequence of the combination of water potential and the variable amounts of hygroscopic (starch, proteins) and non hygroscopic (lipids) components. Moreover, sorption isotherms reveal a significant intra-specific variability of resulting MC for a given aw, seriously weakening the operational prediction and use of gravimetric moisture content from eRH.\nWater activity assessment appears to be a reliable moisture monitoring technique for materials having high phenotypic variability; it results, for a given species, in reproducible moisture management procedures based on single recommended aw values. Therefore, aw will be a useful tool for improving the conservation of diversity.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».