Mechanisms of Yield Loss in Maize Caused by Weed Competition
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The physiological process underlying grain yield (GY) loss in maize as a result of weed competition is not understood clearly. We designed an experiment to test the hypotheses that early season stress caused by the presence of neighboring weeds will increase plant-to-plant variability (PPV) of individual plant dry matter (PDM) within the population. This increase in PPV will reduce GY through a reduction in harvest index (HI). Field experiments were conducted in 2008, 2009, and 2010. A glyphosate-resistant maize hybrid was cropped at a density of 7 plants m −2 . As a model weed, winter wheat was seeded at the same time as maize and controlled with glyphosate at the 3rd or 10th to 12th leaf-tip stage of maize. Weed competition early in the development of maize decreased PDM and GY. This reduction in PDM, which occurred early in the development of maize, was attributed initially to a delay in rate of leaf appearance. Reductions in PDM were accompanied by an increase in PPV of PDM. This increase in PPV, however, did not reduce HI and did not contribute to the GY reductions created by weed competition, as hypothesized. As weed control was delayed, a reduction in fraction of photosynthetically active radiation (fIPAR) accounted for a further reduction in PDM and notably, a reduction in DMA from 17th leaf-tip stage through to maturity. The rapid loss of PDM and the subsequent inability to accumulate dry matter during maturation accounted for a rapid decline in kernel number (KN) and kernel weight (KW).
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle