Responses of Corn(Zea mays L.) Nitrogen Status Indicators to Nitrogen Rates and Soil Moisture
Notice bibliographique
Résumé
Plants usually experience fluctuating water supply during their life cycle due to continuous changes in climatic factors.Soil water content(SWC) is one of the most critical factors affecting nitrogen(N) availability,movement,and uptake by crops.Consequently,SWC levels may confound the assessment of crop N status.The present study compared the sensitivity of tissue N concentration,SPAD readings,Dualex readings,and SPAD/Dualex ratios for assessing corn(Zea mays L.) N status under different water supply conditions.A greenhouse trial was conducted with four N fertilizer application rates(0,50,50+75,and 200 kg ha?1) and three watering levels(drought,drought followed by rewatering,and fully-watered).Tissue N concentration,SPAD,Dualex,and SPAD/Dualex values were influenced significantly by N rates and by SWC.Tissue N concentration,SPAD,and SPAD/Dualex increased with N rates,whereas Dualex decreased.In the first phase of reaction to drought,tissue N concentration,SPAD and SPAD/Dualex decreased rapidly but Dualex increased;however,the opposite pattern of response was observed in the long term.Under rewatering,tissue N concentration,Dualex and SPAD/Dualex gradually recovered,whereas SPAD values did not change significantly as they did in the drought treatment.There were highly significant relationships between SPAD(r = 0.92),Dualex(r = ?0.86),or SPAD/Dualex(r = 0.63) and tissue N concentration.However,SPAD and Dualex were better predictors of tissue N concentration under drought conditions(SPAD:r = 0.90;Dualex:r = ?0.83) than under fully-watered conditions(SPAD:r = 0.39;Dualex:r = ?0.44) at the end of the trial.Among the indicators,Dualex is better able to discriminate N treatments,with consistent results across SWC levels.
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 ».