Low Temperature–Tolerant <i>Bradyrhizobium japonicum</i> Strains Allowing Improved Soybean Yield in Short‐Season Areas
Notice bibliographique
Résumé
In short‐season soybean [ Glycine max (L.) Merr.] production areas, low soil temperature is potentially an important factor limiting soybean growth and yield. Some strains originating from cooler areas can cause more nodulation and nitrogenase activity under low‐temperature conditions. We have attempted to find Bradyrhizobium japonicum strains that can fix more N than strain 532 C under low‐temperature conditions. We selected 40 B. japonicum strains from the USDA collection based on their isolation from soils of northern locations. These 40 strains were tested for their ability to grow at a low (15°C) temperature, and the best two (USDA 30 and USDA 31) were selected for evaluation under field conditions. Inoculation with USDA 30 and USDA 31 resulted in greater soybean yields (an 8% increase, averaged over the 2 yr) than inoculation with 532 C. The increased yield was due to the formation of more pods per plant, and more seeds per plant, but not due to an increase in 100‐seed weight. This indicated that the benefit caused by the superior strains occurred early in plant development, probably due to increased N fixation early in the growing season. This possibility was supported by the observations that leaf areas, grain protein production, and total protein levels for plants inoculated with USDA 30 and USDA 31 were greater than those inoculated with 532 C. These findings clearly demonstrate that inoculant strains likely to perform best in a given geographical area are those selected for the conditions prevalent in the area.
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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».