Effects of regulated deficit irrigation on grain yield and water use efficiency of spring wheat in an arid environment
Notice bibliographique
Résumé
Grain yield and water use efficiency (WUE) of spring wheat ( Triticum aestivum L.) in arid environments can be improved by applying irrigation selectively to allow soil water deficits to develop at non-critical stages of crop development. Field experiments were conducted on a loam soil in Zhangye district, northwest China in 2003 and 2004 to determine the grain yield, yield components, and water use characteristics of spring wheat in response to regulated deficit irrigation (RDI) schemes. Wheat grown under the RDI schemes produced 17% (in 2004) and 29% (in 2003) higher grain yield than wheat grown under water deficit-free control (5.6 t ha-1 in 2003 and 6.2 t ha-1 in 2004). Among six RDI schemes studied, wheat having a high water deficit at the jointing stage, but free from water def icit from booting to grain-filling produced highest grain yield in both 2003 (7.95 t ha-1) and 2004 (7.26 t ha-1). Compared with the control, wheat plants grown under the RDI schemes received 59 mm (or 15%) less water via irrigation, but they either extrac ted 41 mm more (or 74%) water from the soil profile (in 2003) or lowered (16%) evapotranspiration (ET) (in 2004). Grain yield increased as ET increased from 415 to 460 mm, and declined beyond 460 mm. The WUE values varied from 0.0116 to 0.0168 t ha-1 mm-1, and wheat grown under the RDI had 26% greater WUE compared with the control. Grain yield and WUE of spring wheat can be greatly improved by regulated deficit irrigation with reduced amounts of water. This practice is particularly valuable in arid regions where wheat production relies heavily on irrigation. Key words:
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 ».