Effect of heat and precipitation on pea yield and reproductive performance in the field
Notice bibliographique
Résumé
Bueckert, R. A., Wagenhoffer, S., Hnatowich, G. and Warkentin, T. D. 2015. Effect of heat and precipitation on pea yield and reproductive performance in the field. Can. J. Plant Sci. 95: 629–639. Pea (Pisum sativum L.) is important globally as a cool season crop. Pea cultivars are heat-sensitive so our goal was to investigate how weather impacted growth and yield in recent cultivars in the Co-operative pea yield trials (2000 to 2009) for a dryland (Saskatoon) and an irrigated (Outlook) location. We explored relationships between days to maturity, days spent in reproductive growth (flowering to maturity), yield and various weather factors. Yield and the length of reproductive growth increased with seasonal precipitation. Pea was sensitive to heat but heat units did not satisfactorily describe growth and yield in all environments. Strong relationships were observed between crop growth and mean maximum daily temperature experienced during reproductive growth, and between crop growth and mean minimum temperature. The greater the mean maximum temperature (>25.5°C), the fewer the number of days (<35) spent in reproductive growth at the dryland location. At Outlook, 35 to 40 d in reproductive growth occurred in a much wider temperature range from 24.5 to 27°C, and irrigation mitigated some reduction in yield. For dryland pea, more than 20 d in the season above 28°C were associated with less time in reproductive growth and less yield. The threshold maximum temperature for yield reduction in the field was closer to 28°C than 32°C from published studies, and above 17.5°C mean seasonal daily temperature. Western Canadian cultivars currently have short lifecycles, which make them heat sensitive. Heat tolerance could be improved by earlier flowering and a longer duration of flowering via an indeterminate habit. Future research will investigate pea nodal development, flowering and abortion patterns in a range of pea cultivars in field conditions.
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 | 0,001 |
| 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 ».