Screening for Chilling‐Tolerant Soybeans at the Flowering Stage Using a Seed Yield‐ and Maturity‐Based Evaluation Method
Notice bibliographique
Résumé
ABSTRACT Cold weather damages soybean [ Glycine max (L.) Merr.] crops in high‐latitude countries. The decreased seed yields caused by low temperatures are attributed to three main factors: poor growth during the early growth stage, abscission of flowers and pods at the flowering stage, and insufficient grain filling at the pod‐filling stage. The abscission of flowers and pods is the most important factor that contributes to reduced yields. There are differences in chilling tolerance among cultivars developed in Japan at the flowering stage. This study screened for chilling‐tolerant (CT) soybeans developed in high‐latitude countries, such as Canada, Switzerland, Poland, and the Czech Republic. For the screening, plants were subjected to a 28‐d chilling‐temperature treatment after flowering in a phytotron, and six CT cultivars, ‘Maple Arrow’, ‘AC Proteus’, ‘Ceresia, Pelvoux’, ‘Silvia’, and ‘Mazowia’, were found by focusing on seed yield and maturity. These six CT cultivars matured earlier and had greater yields than Japanese cultivars in the field under severe chilling conditions. Moreover, we developed five breeding lines derived from a cross of the CT cultivars Mazowia and ‘Toyoharuka’ (TH). All five breeding lines matured earlier than TH and had yields similar to that of TH in the field under normal conditions. Phytotron tests revealed that the chilling tolerance levels of two of the breeding lines were slightly greater than that of TH. The six CT cultivars found in this study will be useful for chilling tolerance breeding.
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 | 0,000 |
| 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 | 0,003 | 0,000 |
| Communication savante | 0,001 | 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 ».