Physiological Basis of Successful Breeding Strategies for Maize Grain Yield
Notice bibliographique
Résumé
ABSTRACT During the maize (Zea mays L.) hybrid era (1939 to present), commercial grain yields have improved nearly sixfold and the genetic component of the improvement has been estimated as approximately 60%. In this paper, we examine physiological factors and successful breeding strategies that underlie the yield improvement. Grain yield is the product of accumulating dry matter and allocating a portion of the total dry matter to the grain. The processes influencing dry matter accumulation are commonly referred to as the “source” components, while the processes influencing allocation of dry matter to the grain are referred to as the “sink” components. On the source side, changes in leaf canopy size and architecture account for only a minor portion of the improvement. The majority of the improvement in source capacity is due to visual and functional “stay‐green.” On the sink side, the improvement is through changes in the relationship between kernel number per plant and plant growth rate during a period bracketing silking. In a breeding context, these improvements have been made (i) in a “closed” germplasm pool stratified into heterotic groups; (ii) through use of a pedigree method of breeding structured to mimic reciprocal recurrent selection and thereby improving both additive and nonadditive genetic effects; and (iii) by a gradual increase in plant population densities during the hybrid era as the constant source of stress during both inbred line development and hybrid commercialization. Functional stay‐green and the sink establishment dynamics still represent opportunities for yield improvements. It is essential that source and sink are kept in balance, and that improvement in one accompanies a simultaneous improvement in the other. One strategy for exploiting these opportunities is to incorporate high plant population density trials into inbred line development programs.
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 ».