Physiological Parameters Associated with Differences in Kernel Set Among Maize Hybrids
Notice bibliographique
Résumé
Simulation models of development, dry matter accumulation, and grain yield in maize (Zea mays L.) require an accurate estimate of kernel set when grain yield is estimated as the product of kernel number and mean kernel weight. Number of ovules initiated per plant is commonly an order of magnitude greater than kernel number per plant at physiological maturity, but kernel number may limit grain yield when abiotic or biotic stresses occur during a period around silking, that is, the critical phase for kernel set. Kernel number at maturity is related to plant photosynthesis during the critical phase of kernel set and the impact of stress on kernel number can be expressed through the effects of stress on plant photosynthesis. Determination of kernel number in a maize model requires (i) delineation of the critical phase of kernel set, (ii) quantification of the impact of stress on kernel set during different periods of the critical phase for kernel set, (iii) effect of relative maturity of the maize genotype, and (iv) genetic parameters that determine differences in kernel set among maize hybrids (i.e., genetic coefficients). Kernel set may only be indirectly related to plant photosynthesis during the critical phase, but separating the establishment of kernel number from plant photosynthesis during this phase may actually result in a reduction in grain yield, as the smaller source/sink ratio during the grain-filling period may result in accelerated leaf senescence and reduced dry matter accumulation. In conclusion, simulation of grain yield in maize requires quantitative information on relationships between rate of plant photosynthesis or dry matter accumulation and kernel number per plant during various subphases of the critical phase of kernel set and genetic coefficients for parameters determining kernel set that differ among hybrids and maturity groups.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,005 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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 tête enseignante, 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 ».