Zigomorfa







Glechoma hederacea, zigomorfa floro


Kiel zigomorfa, unusimetria aŭ enantiomorfa ankaŭ spegulsimetria, duflanke simetria estas esprimoj en botaniko por floroj, kiuj konsistas el spegulsamaj duonoj (duflanka simetrio), do nur havas unu simetrian ebenaĵon. Ankaŭ la diverspeca (nesimetria) konstruo de supra kaj malsupra flanko de korpo de bestoj nomiĝas „dorsoventra“ simetrio .[1]


Zigomorfaj floroj speciale ĉe plantoj, kiuj speciale aperas ĉe familioj, kiuj estas polenigitaj de abeloj (melitofilio) kaj birdoj (ornitofilio).


Plantfamilioj kun zigomofaj floroj estas ekzemple Lamiacoj (Lamiaceae) kaj Faboideoj (Faboideae).[2]




Enhavo






  • 1 Ekzemploj


  • 2 Vidu ankaŭ


  • 3 Literaturo


  • 4 Referencoj





Ekzemploj |



  • mediane zigomorfa: leonfaŭko, ĝardenfazeolo

  • transverse zigomorfa: koridalo, fumario

  • oblikva zigomorfa: Solanacoj, inter ili ankaŭ terpomo, Petunio, Eĥiumo

    • per unua sepalo: Solanacoj

    • per tria sepalo:

    • per kvara sepalo:

    • per kvina sepalo: Monnieria








  • ĝardenfazeolo, mediane zigomorfa







  • Corydalis calva kaj ankaŭ Corydalis bulbosa, transverse zigomorfa







  • terpomo, oblikve zigomorfa







  • flordiagramo pizo, medie zigomorfa







  • flordiagramo terpomo, oblikve zigomorfa







  • flordiagramo Petunio,oblikve zigomorfa







  • Lipbloem, 1-loba (Abela Ofriso )







  • lamiacoj, 2-lobaj (Blanka Lamio)







  • floro de (Antirrhinum majus







  • Latiro), 1 = flago; 2 = glavo; 3 = kilo







  • langetfloro (Asteracoj)







  • Pelargonio-hibrido






Vidu ankaŭ |



  • aktinomorfa

  • flordiagramo



Literaturo |


  • Gerhard Wagenitz: Wörterbuch der Botanik. 2. Auflage, Spektrum Akademischer Verlag, Heidelberg, Berlin 2003, ISBN 3-8274-1398-2, S. 318.


Referencoj |




  1. ↑ online Dorsiventral, 2016-10-03, 1999 Lexikon der Biologie, Spektrum Akademischer Verlag, Heidelberg


  2. ↑ Manfred A. Fischer, Wolfgang Adler, Karl Oswald: Exkursionsflora für Österreich, Liechtenstein und Südtirol. 2. Aufl. Land Oberösterreich, Biologiezentrum der Oberösterreichischen Landesmuseen, Linz 2005, ISBN 3-85474-140-5.




-

Popular posts from this blog

Aikido

Image
Ĉi tiu artikolo citas neniun fonton . Vi povas plibonigi ĝin, aldonante fidindajn fontojn. Senfontaj asertoj povas esti forigitaj.  (Novembro 2012) Aikido Japana Nomo: Kanji 合気道 Hiragana あいきどう Spiradaj ekzercoj Aikido , aŭ Ajkido , estas moderna japana luktarto (Shin Budo) kompilita de Ueshiba Morihei dum la periodo inter la 1930-aj jaroj ĝis 1960-aj jaroj. Ĝi estas senperforta kaj multaj el ĝiaj teĥnikoj evoluis el Daito-Rjuo (speco de ĵuĵicuo) kaj el glava batalado. La filozofio de aikido devenis ĉefe de la religio Oomoto pro la kontaktoj inter O´Sensei ("granda majstro", esprimo uzata de la aikidistoj por nomi Ueshiba Morihei) kaj Deguchi Onisaburo Sensei el Oomoto. Oni konsideras, ke aikidisto havu iom da spiriteco, interalie pri la uzo de la Ĉi, KI, ĝi postulas nenuran teknikan trejnon. La nepo de la kreinto, Ueshiba Moriteru, nun estas "Doshu", tiu kiu montras la vojon. Enhavo 1 Aikido - Oomoto - Esperanto...
Read more

The minimum number of groups for any class cannot be less than 2 error

Image
0 $begingroup$ cv_split = StratifiedShuffleSplit(n_splits=10, test_size=0.3, random_state=0) # Performing cross-validation to estimate the performance of the models for idx, est in enumerate(estimator): cv_results = cross_validate(est[1](), x_value, y_value, cv=cv_split) I got following error from this code ValueError: The least populated class in y has only 1 member, which is too few. The minimum number of groups for any class cannot be less than 2. and my y_value looks like y_value = array([221900, 180000, 510000, ..., 360000, 400000, 325000]) I used this method before and y_value has the same shape as before. python data-mining cross-validation share ...
Read more

SMOTE: ValueError: Expected n_neighbors <= n_samples, but n_samples = 1, n_neighbors = 6

Image
0 $begingroup$ I am designing a multi class classifier for 11 labels. I am using SMOTE to tackle the sampling problem. However I face the following error:- error at SMOTE from imblearn.over_sampling import SMOTE sm = SMOTE(random_state=42) X_res, Y_res = sm.fit_sample(X_f, Y_f) error ~/.local/lib/python3.6/site-packages/sklearn/neighbors/base.py in kneighbors(self, X, n_neighbors, return_distance) 414 "Expected n_neighbors <= n_samples, " 415 " but n_samples = %d, n_neighbors = %d" % --> 416 (train_size, n_neighbors) 417 ) 418 n_samples, _ = X.shape ValueError: Expected n_neighbors <= n_samples, but n_samples = 1, n_neighbors = 6 Why does it say I have only 1 n_samples? When I tr...
Read more