Response of cool-season grain legumes to waterlogging at flowering
Notice bibliographique
Résumé
Soil flooding and submergence, collectively termed waterlogging, are major abiotic stresses that severely constrain crop growth and productivity in many regions. Cool-season grain legumes can be exposed to submersion both at the vegetative and reproductive stages. Limited research has been carried out on these crops with waterlogging imposed at flowering. We evaluated how waterlogging periods of 0, 5, 10, 15, and 20 d at flowering affected seed yield, biomass of shoots, roots and nodules, and N uptake of faba bean (Vicia faba L. var. minor), pea (Pisum sativum L.), and white lupin (Lupinus albus L.). Faba bean tolerated submersion better than pea and white lupin. Pea and white lupin plants did not survive 10 d of submersion, and after 5 d the seed yield, shoot and root biomass, and N uptake had more than halved. Faba bean survived 20 d of waterlogging, although seed and biomass production and total N uptake were severely reduced. Shoot dry weight and seed yield decreased linearly with the duration of waterlogging, which negatively affected seed more than the vegetative plant part weight. In all three crops waterlogging at flowering led to damage, which could not be recovered during seed filling.
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 | 0,002 | 0,001 |
| 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 | 0,001 | 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 ».