A high-throughput approach for quantifying turgor loss point in grapevine
Notice bibliographique
Résumé
Abstract Quantifying drought tolerance in crops is critical for agriculture management under environmental change, and drought response traits in grape vine have long been the focus of viticultural research. Turgor loss point ( π tlp ) is gaining attention as an indicator of drought tolerance in plants, though estimating π tlp often requires the construction and analysis of pressure-volume (P-V) curves which are very time consuming. While P-V curves remain a valuable tool for assessing π tlp and related traits, there is considerable interest in developing high-throughput methods for rapidly estimating π tlp , especially in the context of crop screening. We tested the ability of a dewpoint hygrometer to quantify variation in π tlp across and within 12 clones of grape vine ( Vitis vinifera subsp. vinifera ) and one wild relative ( Vitis riparia ), and compared these results to those derived from P-V curves. At the leaf-level, methodology explained only 4–5% of the variation in π tlp while clone/species identity accounted for 39% of the variation, indicating that both methods are sensitive to detecting intraspecific π tlp variation in grape vine. Also at the leaf level, π tlp measured using a dewpoint hygrometer approximated π tlp values ( r 2 = 0.254) and conserved π tlp rankings from P-V curves (Spearman’s ρ = 0.459). While the leaf-level datasets differed statistically from one another (paired t -test p = 0.01), average difference in π tlp for a given pair of leaves was small (0.1 ± 0.2 MPa (s.d.)). At the species/clone level, estimates of π tlp measured by the two methods were also statistically correlated ( r 2 = 0.304), did not deviate statistically from a 1:1 relationship, and conserved π tlp rankings across clones (Spearman’s ρ = 0.692). The dewpoint hygrometer (taking ∼ 10–15 min on average per measurement) captures fine-scale intraspecific variation in π tlp , with results that approximate those from P-V curves (taking 2–3 h on average per measurement). The dewpoint hygrometer represents a viable method for rapidly estimating intraspecific variation in π tlp , and potentially greatly increasing replication when estimating this drought tolerance trait in grape vine and other crops.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».