MétaCan
Menu
Retour à la cohorte
Enregistrement W2748489177 · doi:10.4236/ajps.2017.89153

Analysis of Adaptive Response of Maize (<i>Zea mays</i>) Varieties from DR-Congo to Water Stress

2017· article· en· W2748489177 sur OpenAlexaff
Jean Pierre Kabongo Tshiabukole, Amand Mbuya Kankolongo, Gertrude Pongi Khonde, Antoine Mumba Djamba, Roger Kizungu Vumilia, K. K. Nkongolo

Notice bibliographique

RevueAmerican Journal of Plant Sciences · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGenetics and Plant Breeding
Établissements canadiensLaurentian University
Organismes subventionnairesnon disponible
Mots-clésZea maysAgronomyBiologyWater stressDrought tolerance

Résumé

récupéré en direct d'OpenAlex

Maize production in tropical Africa is often negatively affected by drought. The main objectives of the present study were to 1) analyze the impact of water stress on the agro-morphological performance of two varieties of Quality Protein Maize (QPM) compared to two normal maize varieties and 2) assess their adaptive response in contrasting water environments. Agro-morphological responses to water deficiency of maize (Zea mays L.) were assessed in controlled experiments using four maize varieties, two normal maize (Zm725 and Mus1) and two quality protein maize (Mudishi1 and Mudishi3) varieties. They were subjected to three water regimes (100%, 60%, 30% water retention capacity) at the beginning of the bloom stage, using a Fischer block design with four replications. Significant differences (p < 0.05) among varieties, water regimes and their interactions for plant growth and production parameters were observed. Reduction of water supply to plants caused changes in aerial and underground plant growth. Plant stem height, foliar expansion, and root system development characterizing vegetative growth showed variation in varietal response to water regimes. Mus1 (normal maize variety) was the best adapted to variations in water regimes because they developed an important root volume to adapt to the effects of water deficit while maintaining their morphological and productive characteristics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,879
Score d'incertitude au seuil0,542

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0020,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,070
Tête enseignante GPT0,260
Écart entre enseignants0,189 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Plant SciencesMême sujetGenetics and Plant BreedingTravaux en français237 207