Data from: Near infrared spectroscopy (NIRS) predicts non-structural carbohydrate concentrations in different tissue types of a broad range of tree species
Notice bibliographique
Résumé
1. The allocation of non-structural carbohydrates (NSCs) to reserves constitutes an important physiological mechanism associated with tree growth and survival. However, procedures for measuring NSC in plant tissue are expensive and time-consuming. Near-infrared spectroscopy (NIRS) is a high-throughput technology that has the potential to infer the concentration of organic constituents for a large number of samples in a rapid and inexpensive way based on empirical calibrations with chemical analysis. 2. The main objectives of this study were (i) to develop a general NSC concentration calibration that integrates various forms of variation such as tree species and tissue types and (ii) to identify characteristic spectral regions associated with NSC molecules. In total, 180 samples from different tree organs (root, stem, branch, leaf) belonging to 73 tree species from tropical and temperate biomes were analysed. Statistical relationships between NSC concentration and NIRS spectra were assessed using partial least squares regression (PLSR) and a variable selection procedure (competitive adaptive reweighted sampling, CARS), in order to identify key wavelengths. 3. Parsimonious and accurate calibration models were obtained for total NSC (r2 of 0·91, RMSE of 1·34% in external validation), followed by starch (r2 = 0·85 and RMSE = 1·20%) and sugars (r2 = 0·82 and RMSE = 1·10%). Key wavelengths coincided among these models and were mainly located in the 1740–1800, 2100–2300 and 2410–2490 nm spectral regions. 4. This study demonstrates the ability of general calibration model to infer NSC concentrations across species and tissue types in a rapid and cost-effective way. The estimation of NSC in plants using NIRS therefore serves as a tool for functional biodiversity research, in particular for the study of the growth–survival trade-off and its implications in response to changing environmental conditions, including growth limitation and mortality.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».