Post‐flowering Biomass and Nitrogen Accumulation of Lentil Substantially Contributes to Pod Production
Notice bibliographique
Résumé
ABSTRACT Lentil ( Len culinaris L.) is an indeterminate legume crop that continues to grow and accumulate biomass (DM) after flowering. Abundant N can stimulate post‐flowering vegetative growth of lentil and reduce partitioning of DM and N into pods. The effect of inoculant rhizobia, 50 kg N fertilizer ha –1 and non‐treated control treatments on DM and N partitioning of lentil was studied in Saskatchewan. Accumulated DM and N in leaf, stem and pod of eight lentil cultivars were measured at flowering, podding, and maturity. The results showed that more than 85% of DM (5.8 g DM plant –1 ) and N (143 mg N plant –1 ) were accumulated after lentil flowering. Of the 167 mg N and 6.5 g DM plant –1 at maturity, 58% DM and 75% N was in pod, 26% DM and 10% N was in stem, and leaf had the remaining 15% of the DM and N. The treatments affected N concentration and occasionally total DM and N content of the plant organs, but partitioning of DM and N among the three parts was independent of the treatments. In comparison, soil moisture significantly affected total and partitioning of DM and N into pod. Among the cultivars, the medium‐maturing cultivar CDC Milestone accumulated similar DM and N as late‐maturing ones, but allocated a greater portion of DM and N to pod than the late‐maturing cultivars. Overall, available N during pod‐filling promotes lentil biomass and pod production, but the efficiency of DM and N partitioning to pod is controlled by plant genotype and soil moisture.
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 | 0,001 | 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 ».