Selecting maize for rapid kernel drydown: timing of moisture measurement.
Notice bibliographique
Résumé
Previous studies have shown that maize ear moisture measured using a modified Electrophics Moisture Meter model MT808 was highly correlated to kernel moisture and could be used as a selection tool in breeding maize genotypes with faster rates of kernel drydown. Such a tool would need to be standardized for practical and routine use in a breeding program with large numbers of plants. The objective of this study was to determine the opti¬mum time for measuring ear moisture using this meter. In a split-plot design with three replicates in 2007, 2008 and 2009, ear moisture of six inbred lines and eight F1 hybrids were measured weekly from one to eight weeks post-silking using a modified MT808 moisture meter. To determine if multiple ear moisture readings (EMRs) could be made on the same ear, an additional treatment was added so that all eight readings were made on the same ear. There was a positive correlation between weekly EMRs readings done on separate ears and those done on the same ear, indicating that repeated readings, if desired, could be made on the same ear. Significant genotypic differences in EMRs were found five to eight weeks post-silking. The EMRs at week one, five, and eight could be used to calculate a daily drydown rate (DDR). Maize genotypes (hybrids and inbreds) could be divided into four groups based on their DDRs during development as: high-high, high-low, low-high, and low-low DDRs from weeks one to five and five to eight, respectively. Genotypes with higher DDRs from weeks one to five tended to have overall higher DDRs by eight weeks post-silking. Inbred lines with higher DDRs at either stage expressed this trait in their hybrid crosses. This non-destructive method will improve selection for fast kernel drydown in maize breed¬ing programs, especially in short-season areas.
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 | 0,001 | 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 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 ».