Leaf epicuticular wax and glaucousness in Altai wildrye grass: which trait is most important to water status?
Notice bibliographique
Résumé
Epicuticular wax (EW) concentration on the outermost layer of the plant cuticle increases in response to drought stress for many xeric plant species. Glaucousness, or the visible (blue) waxiness of leaf surfaces, is associated with greater EW concentration compared with nonglaucous (green) plants of Altai wildrye grass [Elymus angustus (Trin.) Pilger] (AWR). The contributions of EW concentration and glaucousness to drought stress response have been confounded in previous research. The objective of this study was to determine the effects of EW concentration and glaucousness on water relations of AWR. Water loss rate (WLR) of excised leaves was determined for 180 half-sib AWR lines in 1988, 1989 and 1990 at Swift Current, Saskatchewan, Canada. The mean WLR of blue half-sib lines was 36% less than green half-sib lines (P < 0.05). Among blue (n = 60) or among green (n = 60) half-sib lines, however, there was no significant correlation between WLR and EW concentration. Leaf water potential (Ψ) was determined for 10 blue and 10 green half-sib lines in 1988, 1989 and 1990. Predawn leaf Ψ was 18% higher for blue half-sib lines than for green half-sib lines (P < 0.01), but there was no correlation between Ψ and EW concentration within either group of half-sib lines. Four contrasting synthetics were generated by inter-crossing parent plants that had high or low EW production within either phenotype. The EW concentration, forage yield, predawn Ψ, and midday Ψ were determined for these four synthetics for three sampling dates per year from 1996 to 2001. Selection for high and low EW concentration shifted this trait (P < 0.01) by 0.19 g m-2 between glaucous synthetics and by 0.07 g m-2 between nonglaucous synthetics. Glaucous synthetics exhibited improved predawn Ψ by 0.05 MPa and predawn turgor potential (P) by 0.08 MPa (P < 0.05) compared with nonglaucous synthetics. However, selection for high and low EW concentration did not affect predawn Ψ nor predawn P in either glaucous or nonglaucous synthetics. Selection for blue glaucousness in AWR altered water relations, but selection for EW concentration did not. Key words: Forage breeding, range improvement, forage yield, drought stress, water potential, turgor potential, epicuticular wax
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 source (Gemma direct ou Codex distillé), 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 ».