Nitrogen Use Efficiency and Morphological Characteristics of Timothy Populations Selected for Low and High Forage Nitrogen Concentrations
Notice bibliographique
Résumé
Improving timothy ( Phleum pratense L.) N use efficiency (NUE) through genetic selection aims at producing greater or similar forage dry matter (DM) yields with less N fertilizer while maintaining N concentration close to the optimal level required for ruminant nutrition. Two populations of timothy, arising from divergent selection for high (N+) and low (N−) forage N concentration, and a reference population, ‘Champ’, were studied under controlled conditions with N rates of 1, 5, 10, and 20 mg N plant −1 wk −1 The populations N− and Champ produced more forage DM yield than N+. This difference in forage production was the result of changes in biomass partitioning between shoots and roots because, at the whole plant level, no differences in total biomass (shoots + roots) were found. On the basis of total biomass, there were no population differences in NUE and N accumulation efficiency (NAE). For a given level of forage DM yield, N+ had a greater N accumulation than N− and Champ and, therefore, a greater N concentration. The greater forage N concentration of N+ was not due to a greater leaf N concentration but to a greater proportion of leaves. The population N+ also had a greater proportion of roots than N−. The forage insoluble N concentration of N+ was greater than that of N−, while NO 3 –N concentrations of the populations were similar. The population N+ had a greater tiller density and specific leaf area (SLA) than N−. Differences in forage DM yield and N concentration between two populations selected for low and high N concentrations were mainly due to the modification of C and N partitioning between shoots and roots, and between leaves and stems. Our results highlight the role of biomass partitioning in improving grass NUE or N concentration.
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 | 0,001 |
| 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 ».