Effects of Seeding Rate on Durum Crop Production and Physiological Responses
Notice bibliographique
Résumé
Core Ideas Optimum seeding rate on elite durum wheat depends on environment. Seeding rate had a significant positive relationship with grain yield, leaf area index, and carbon isotope discrimination. Seeding rate should be adjusted for environment and genotype for maximum yield. Seeding rate can be manipulated to optimize the ability of the crop to capture available resources and therefore increase yield. Seeding rate may vary between regions according to the climate conditions, soil type, sowing time, and other agronomic practices. Insufficient information is available for optimum seeding rate on durum wheat ( Triticum turgidum L. var durum ) for some production zones, and response to seeding rate is unknown for recently registered durum cultivars in Canada. The objective of this study was to determine the effect of seeding rate (SR) on performance of Canada Western Amber Durum wheat cultivars and study the underlying physiological response to a wide range of SRs. Eight durum wheat cultivars were sown at densities of 163, 217, 272, 326, and 380 seeds m −2 to study the effect of SR on several agronomic and physiological traits. Each experiment was planted as a factorial randomized complete block design with three replications near Swift Current and Regina in 2010 and 2011. High genetic and environmental response to SR was observed between cultivars. The results showed an increase in grain yield as the SR increased. The optimum SR for cultivars grown at Swift Current and Regina was 272 to 326 seeds m −2 and 217 to 272 seeds m −2 . Grain yield showed a positive relationship with carbon isotope discrimination (CID) and leaf area index (LAI). In turn, LAI showed a linear increase with SR. Information generated from this study could enable producers to maximize crop grain profitability by optimizing plant density.
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 | 0,001 |
| 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 | 0,001 | 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 ».