Developing a Screening Tool for Osmotic Stress Tolerance Classification of Rice Cultivars Based on In Vitro Seed Germination
Notice bibliographique
Résumé
Dry direct seeding is the common practice for growing rice ( Oryza sativa L.) in the US Mid‐South. Dry soil conditions during sowing may cause delayed and nonuniform seed germination that can be further aggravated by the low temperature conditions. Understanding the response of rice cultivars to drought stress during seed germination would be useful in optimizing direct seeding practices. An in vitro experiment was conducted to study the impact of osmotic stress using polyethylene glycol on seed germination traits of 15 rice cultivars commonly grown in the US Mid‐South production system. Time series data for seed germination were generated at a wide range of osmotic potentials (0 to −1.0 MPa with −0.2‐MPa increments). Seed germination rate, maximum seed germination, maximum osmotic potential when seed germination was zero, and maximum osmotic potential when seed germination rate was zero were derived based on regression techniques between these parameters and osmotic potential. The rate of maximum seed germination and the seed germination rate decreased significantly with decreasing osmotic potential. A cumulative drought response index was developed by summing individual response indices of parameters. It was used to classify cultivars into three drought‐tolerant groups: high, medium, and low. Among the 15 cultivars tested, Cheniere was identified as least tolerant and RU1204122 as the most tolerant to drought. The identified tolerance among the rice cultivars would help the rice producers in selecting the cultivar that can best germinate in a specific environment and would help rice breeders in developing drought tolerant cultivars for variable climatic 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 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 | 0,001 |
| 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 ».