Seiva




Nas plantas vasculares, a seiva é um constituente líquido que permite a mobilização de água, nutrientes, hormônios, oxigênio e gás carbônico pelo corpo da planta. É uma similaridade ao sangue dos animais, exceto por não capitar resíduos até órgãos excretores, que nem todos os animais mobilizam oxigênio e gás carbônico pelo sangue (insetos - respiração traqueal) e que geralmente boa parte da água absorvida é usada na transpiração para se obter nutrientes do solo[1].


Em botânica, distinguem-se dois tipos de seiva[2]:




  • Seiva bruta, formada nas raizes, carrega água, sais minerais e hormônios (um deles é a citocinina) aos órgãos verdes da planta (caule e folhas) através das células do xilema, para ser utilizada na produção de substâncias orgânicas (açúcares, aminoácidos, etc) e regular o desenvolvimento de células.


  • Seiva elaborada, produzida nos órgãos verdes carrega nutrientes elaborados e hormônios (um deles é a auxina) que é dispersa por todos os tecidos da planta através das células do floema. Um componente principal desta seiva é a glicose, um açúcar simples formado pela fotossíntese.



Referências




  1. ↑ Coffey, Janice C.; Raven, Peter H.; Evert, Ray F.; Curtis, Helena; Evert, Ray; Eichhorn, Susan E. (1977-08). «Biology of Plants». Taxon. 26 (4). 469 páginas. ISSN 0040-0262. doi:10.2307/1220062  Verifique data em: |data= (ajuda)


  2. ↑ «Transporte em Angiospérmicas" no site curlygirl.no.sapo.pt (Rede Simbiótica de Biologia e Conservação da Natureza) acessado a 22 de junho de 2009» 



  • Portal da ciência
  • Portal da botânica




Ícone de esboço
Este artigo sobre Botânica é um esboço relacionado ao Projeto Plantas. Você pode ajudar a Wikipédia expandindo-o.

  • v

  • d

  • e

Procurar imagens disponíveis







-

Popular posts from this blog

A CLEAN and SIMPLE way to add appendices to Table of Contents and bookmarks

Image
0 I found a lot of questions abount appendices and ToC. Many users want appendices to be grouped in an Appendix part, however some problems arise with ToC, hyperref, PDF viewer bookmarks, and so on. There are different solutions which require extra packages, command patching and other extra code, however none of them satisfies me. I almost found an easy way to accomplish a good result, where appendices are added to bookmarks in the right way and hyperref links point to the right page. However, the number of the "Appendix" part page is wrong (it's the number of appendix A). Is there any EASY way to fix that? This is a MWE: documentclass{book} usepackage[nottoc,notlot,notlof]{tocbibind} usepackage{hyperref} begin{document} frontmatter tableofcontents mainmatter part{First} chapter{
Read more

Contact image not getting when fetch all contact list from iPhone by CNContact

Image
up vote 0 down vote favorite I know this question already asked but not getting solution. From this code I will get all the information from the contact but image not found when open vcf files on mac os, also not getting when share this file. I use this stackoverflow link here but It's not help full. var contacts = [CNContact]() let keys = [CNContactVCardSerialization.descriptorForRequiredKeys() ] as [Any] let request = CNContactFetchRequest(keysToFetch: keys as! [CNKeyDescriptor]) do { try self.contactStore.enumerateContacts(with: request) { (contact, stop) in // Array containing all unified contacts from everywhere contacts.append(contact) } } catch { print("unable to fetch contacts") } do { let data = try
Read more

Calculate evaluation metrics using cross_val_predict sklearn

Image
1 In the sklearn.model_selection.cross_val_predict page it is stated: Generate cross-validated estimates for each input data point. It is not appropriate to pass these predictions into an evaluation metric. Can someone explain what does it mean? If this gives estimate of Y (y prediction) for every Y (true Y), why can't I calculate metrics such as RMSE or coefficient of determination using these results? python scikit-learn cross-validation share | improve this question edited Nov 28 '18 at 17:52 desertnaut 20.3k 7 43 79
Read more