Strain selection and temperature responses of Ulva and Ulvaria (Chlorophyta) for application in land-based cultivation systems
Bibliographic record
Abstract
Makroalgefamilien, Ulvaceae, rummer lovende kandidater til dyrkning i landbaserede Integrerede Multitrofiske Recirkulerede Akvakultursystemer (IMRAS) på grund af deres hurtige vækst og næringsstofoptagelsesevner. Valg af passende stammer er dog afgørende før implementering i IMRAS. I denne undersøgelse blev en evaluering af Ulvaceae-stammer udført gennem en indledende screening af i alt ni stammer, otte hentet fra naturlige levesteder og en kommerciel Ulva-producent. De abiotiske forhold var karakteriseret ved høje næringsstofkoncentrationer (883 μM NO3−-N) og blev holdt ensartede for alle stammer under screeningen. Efter den indledende screening blev effekten af temperatur på vækst undersøgt (10, 16, 22 og 28 °C) i to udvalgte stammer (Ulva compressa og Ulvaria obscura) under høje næringsstofbetingelser. Denne undersøgelse viste, at fire undersøgte Ulvaceae-stammer opnåede høje og stabile vækstrater (15-22 % frisk vægt d−1) i indendørs fritflydende kulturer. Desuden var der en konsekvent og betydelig kvælstofoptagelsesevne af en enkelt Ulva compressa-stamme ved temperaturer mellem 10 og 22 °C (0,03 g N L−1 uge−1 svarende til 74 % af tilsat opløst uorganisk kvælstof). Ulva compressa voksede ved alle undersøgte temperaturer med ugentlige variationer i biomasseudbytter (18-40 g tørvægt m−2 dag−1), mens Ulvaria obscura voksede stabilt ved 10, 16 og 22 °C (15-16 g tørvægt m−2 dag−1). Resultaterne af denne undersøgelse forbedrer vores forståelse af de potentielle anvendelser af Ulvaceae-stammer i landbaseret dyrkning og tjener som et springbræt for integrationen af Ulvaceae-dyrkning i IMRAS på kommerciel skala.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".