The Physiology and Stability of Leaf Carbon Isotope Discrimination as a Measure of Water-Use Efficiency in Barley on the Canadian Prairies
Notice bibliographique
Résumé
Temporal and seasonal water deficit is one of the major factors limiting crop yield on the Canadian prairie. Selection for low carbon isotope discrimination (Δ13C) or high water-use efficiency (WUE) can lead to improved yield in some environments. To understand better the physiology and WUE of barley under drought conditions on the Canadian prairie, 12 barley (Hordeum vulgare L.) genotypes with contrasting levels of leaf Δ13C were investigated for performance stability across locations and years in Alberta, Canada. Four of those genotypes (‘CDC Cowboy’, ‘Niobe’, ‘170011’ and ‘Kasota’) were also grown in the greenhouse under well-watered and water-deficit conditions to examine genotypic variations in leaf Δ13C, WUE, gas exchange parameters and specific leaf area (SLA). The water-deficit treatment was imposed at the jointing stage for 10 days followed by re-watering to pre-deficit level. Genotypic ranking in leaf Δ13C was highly consistent, with ‘170011’, ‘CDC Cowboy’ and ‘W89001002003’ being the lowest and ‘Kasota’‘160049’ and ‘H93174006’ being the highest leaf Δ13C. Under field and greenhouse (well-watered) conditions, leaf Δ13C was significantly correlated with stomatal conductance (gs). Water deficit significantly increased WUE, with ‘CDC Cowboy’– a low leaf Δ13C genotype with significantly higher WUE and lower percentage decline in assimilation rate (A) and gs than the other three genotypes (‘Niobe’, ‘170011’ and ‘Kasota’). We conclude that leaf Δ13C is a stable trait in the genotypes evaluated. Low leaf Δ13C of ‘CDC Cowboy’ was achieved by maintaining a high A and a low gs, with comparable biomass and grain yield to genotypes showing a high gs under field conditions; hence, selection for a low leaf Δ13C genotype such as ‘CDC Cowboy’ maybe important for maintaining productivity and yield stability under water-limited conditions on the Canadian prairie.
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 | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».