IMPACT OF SILICON DIOXIDE NANOPARTICLES ON SEEDLING EARLY GROWTH OF LENTIL (LENS CULINARIS MEDIK.) GENOTYPES WITH VARIOUS ORIGINS
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
Quick seed germination and stand establishment are significant factors to lentil production under saline soil of arid and semi-arid regions. The application of beneficial nanoparticles during the seed germination has shown a new field of nano-agriculture. The current study was aimed at investigating the potential influences of nano-silicon dioxide (at 1 and 2 mM concentration) on seed germination of lentil (Lens culinaris Medik.) genotypes with different geographical origins under a range of NaCl concentrations (i.e. 0, 50, 100 and 150 mM). Results showed that germination significantly delayed by increasing salt stress. However, the rate of decline was variable among the genotypes. Application of 1 mM silicon dioxide nanoparticles (nSiO 2 ) could considerably alleviate the adverse effect of salt stress on germination percentage, root and shoot length, seedling weight, mean germination time, seedling vigour index and cotyledon reserve mobilization. The suppressive impact with higher nSiO 2 concentration (2 Mm) shows the need for cautious application of these particles during seed germination. The best performance was recorded for genotypes originated from Mexico, Syria and Jordan (PI 299127, Syrian Local Large, 78S 26013). Our results suggest that nSiO 2 has favorable effect on lentil seed germination under salinity stress and it can be economic to use suitable concentration of this nanoparticle in the production system under saline 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.
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 découle