Comparison of yield traits in rice among three mechanized planting methods in a rice-wheat rotation system
Notice bibliographique
Résumé
Understanding the differences in yield traits of rice among pothole seedling of mechanical transplanting (PSMT), carpet seedling of mechanical transplanting (CSMT) and mechanical direct seeding (MDS) is of great importance not only for rice scientists but also for rice farmers to develop a high-yield production system under mechanical conditions in a rice-wheat rotation system. However, such traits are yet to be studied among rice varieties of japonica-indica hybrid rice (JIHR), japonica conventional rice (JCR) and indica hybrid rice (IHR). Field experiments were conducted in 2014 and 2015, where six cultivars of the three rice types JIHR, JCR and IHR were grown individually with PSMT, CSMT and MDS methods, under respective managements for each method to achieve the maximum attainable yield. Results showed that (i) the PSMT significantly increased grain yield of JIHR by 22.0 and 7.1%, of JCR by 15.6 and 3.7% and of IHR by 22.5 and 7.4%, compared to MDS and CSMT on average across the two years, respectively. The highest yield was produced by the combination of JIHR and PSMT; (ii) high yield under PSMT was mainly attributed to large sink capacity and high-efficient dry matter accumulation. With sufficient panicles per hectare, the increase of spikelet number per panicle, especially the increase in spikelet number of the secondary rachis-branches was determined to be the optimal approach for developing a large sink capacity for rice under PSMT. The optimal tillers development, large leaf area index at heading stage, and high leaf area duration, crop growth rate and net assimilation rate during grain-filling phase could be the cause of sufficient dry matter accumulation for rice under PSMT; (iii) moreover, the PSMT favored plant growth as well as enriched the stems plus sheaths during grain-filling phase, as compared with CSMT and MDS. These results suggest that PSMT may be an alternative approach to increasing grain yield in a rice-wheat rotation system in the lower reaches of the Yangtze River in China.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 source (Gemma direct ou Codex distillé), 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 ».