MétaCan
Menu
Retour à la cohorte
Enregistrement W4394308836 · doi:10.6084/m9.figshare.21781150

The effects of calcium fertilization on morphological and physio-biochemical characteristics in peanut seedlings under waterlogging stress

2022· dataset· en· W4394308836 sur OpenAlexaff
Lin Li, Mingjie Dong, Kang Tang, Hao Zhang, Ningbo Zeng, Huilin Yang, Zinan Luo, Dengwang Liu

Notice bibliographique

RevueFigshare · 2022
Typedataset
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant responses to water stress
Établissements canadiensMcGill UniversityUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésWaterlogging (archaeology)Human fertilizationCalciumBiologyHorticultureAgronomyBotanyChemistryEcology

Résumé

récupéré en direct d'OpenAlex

Peanut is vulnerable under waterlogging stress, and it is important to explore efficient agronomic practices to reduce adverse effects induced by waterlogging stress. In this study, the effects of waterlogging stress on plant morphology, physiological and biochemical characters in peanut seedlings were studied. It was founded waterlogging stress posted adverse effects on plant growth and development and triggered the activities of antioxidant enzymes and osmotic adjustment substances to improve the plant tolerance under stress. It was also found that exogenous calcium fertilization could significantly improved root growth and development under stress. Moreover, higher dose of calcium fertilizer (1600 mg/kg) showed better performance on improving waterlogging tolerance than lower dose one (800 mg/kg) in peanut seedlings. This study explored positive effects of exogenous calcium on recovering damages especially in roots caused by waterlogging stress, providing a theoretical guidance in agronomic practice to improve waterlogging tolerance, and laying a foundation for agronomic practice when further discovering molecular mechanisms in response to waterlogging stress.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0240,010

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 Opus0,021
Tête enseignante GPT0,228
Écart entre enseignants0,207 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetPlant responses to water stressTravaux en français237 207