Maize Yield Potential and Density Tolerance
Notice bibliographique
Résumé
Maize ( Zea mays L.) yield potential has not undergone genetic improvement during the hybrid era, yet substantial genetic improvement has occurred for tolerance to high plant population densities. As many crops including maize are approaching yield plateaus, it may be necessary to exploit other means of increasing grain yields. In this study, we examine potential reasons for why this occurred. Using a four‐way breeding cross representing the commercial germplasm pool, we demonstrate that the lack of genetic improvement in yield potential is not due to the two attributes being antagonistic. We then demonstrate that the lack of genetic improvement in yield potential is not due to density‐tolerant genotypes being higher yielding at modern conventional plant densities. We show that physiological differences in partitioning dry matter to the grain (i.e., harvest index [HI]) are present in a set of genotypes with contrasting yield potential and density tolerance genotypes. However, a higher or a lower HI is not associated with yield potential either. Finally, we show that the density‐tolerant genotypes exhibit a static kernel set efficiency (KSE), meaning that regardless of the plant growth rate at silking (pGR S ), the number of kernels formed per unit dry matter fixed is constant. Surprisingly, the hybrids with high yield potential possess a dynamic KSE and are capable of sustaining kernel set at higher levels when pGR S is low. Given our findings, there is no apparent biological or genetic explanation for genetic improvement in only density tolerance during the hybrid era.
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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».