The role of artificial pollination and pollen effect on ear development and kernel structure of different maize genotypes
Notice bibliographique
Résumé
Pollen effect is important on several kernel traits in maize breeding and may vary under different pollination treatments. Our objectives in this study were i) to evaluate the effects of pollination treatments that are commonly used in maize breeding, on several ear and kernel traits, ii) to investigate if the genotypes so called “specialty corn” do have any different reaction to the pollen effect. A field trial was carried out at Dardanos Research and Application Center of Çanakkale Onsekiz Mart University, Turkey, in 2013. The experiment used a split plot design with three replicates. Four parents (three inbreds and one open pollinated landrace) were used as plant material. Three pollination treatments (open pollination, self-pollination and bulk pollination) were applied, and individual pollen effect of each parent on other parents was investigated. For this purpose, several ear and kernel traits (ear weight, kernel weight, kernel number, mean kernel weight) and biochemical features (protein, oil, carbohydrate and carotenoid content) were measured on harvested samples.The results showed that pollination treatment affected the variation on all traits except for oil content (P < 0.05). Self-pollination caused a significant reduction in kernel development. Pollen effect was found significant for most traits and this effect was evident on the related genotypes with open pollinated landrace. Results indicate that pollen effect is an important factor on kernel and ear development in small plot trials, where different types of maize are grown together.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».