A field method for screening maize cold to lerance
Notice bibliographique
Résumé
Screening of cold-tolerant genotypes is hampered by the lack of a reliable field-evaluation method. A study was conducted to develop a field screening method for cold tolerance by recreating seedbed conditions limiting seed growth and quantifying the effect of those limiting parameters on the germination and emergence of two maize hybrids. By comparing maize germination and emergence in uncovered control plots with those covered with reflective insulation, differences were monitored in soil temperature, soil water content, oxygen and air content. Maize germination and emergence were monitored, and rate of radicle and coleoptile growth was measured. Soil temperature was significantly reduced by covering with reflective insulation. The average soil temperature at 5 cm depth was 5.5 and 7.4°C in late April, 11.0 and 16.0°C in May and 14.0 and 16.6°C in early June for the covered and uncovered treatments, respectively. In addition, day-to-day fluctuation in maximum and minimum temperatures was much smaller under covered than uncovered conditions. Although air content was maintained (about 34% on average), seedbed oxygen content dropped tremendously three times during the growing period. Reflective insulation cover caused a 5-d delay in germination and emergence for both hybrids. On average, across hybrids, the daily growth rate of radicle and coleoptile was 50% and 22% higher in uncovered than in covered treatments. Reflective insulation cover created adverse growth conditions and reduced seed germination, which suggests that it could be used to create uniform cold seedbed conditions for screening maize cold tolerant lines under field conditions. Key words: Soil temperature, soil water content, germination, emergence, Zea mays L.
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 ».