Impact of Supra-Optimal Temperatures on Physiology and Yield in Rice Field
Notice bibliographique
Résumé
<p>Heat stress is an increasing constraint for the productivity of rice (<em>Oryza sativa</em> L.) worldwide. In this context, a study was carry out to quantify the supra-optimal temperature effects on rice yield-components and secondly to investigate its effects on plant physiological attributes when different genetic backgrounds are submitted to contrasting environment air-temperatures during the anthesis, the most sensitive growth phase to heat stress. Three Embrapa's cultivars were used, BRS Pampa, BRS Sinuelo CL and IAS 12-9 Formosa which represent indica/japonica, indica and essentially japonica subspecies, respectively. One day before anthesis phase, sub plot plants were submitted to heat stress via polythene shelters for 96 h. Photosynthesis and respiration parameters were measured at 24 and 48 h after stress, and at physiological maturity, grain carbon isotope fractionation as well as yield components and grain yield were quantified. There were significant differences among genotypes for some gas exchange parameters at ambient and under increased temperatures at 24 and 48 h after stress, such as carbon assimilation and respiration rate. Heat-stress also affected yield components, especially for BRS Sinuelo CL showing the highest spikelet sterility (54%) while BRS Pampa had the lowest value (20.80%) and the highest 1000-grain weight and grain yield. These results demonstrate that although heat tolerance has been more frequently found in indica spp, this trait can also be present in genotypes combining indica/japonica genetic background, as shown by BRS Pampa cultivar.</p>
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 | 0,000 | 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 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 ».