Screening Oat Genotypes for Tolerance to Salinity and Alkalinity
Notice bibliographique
Résumé
This study aimed to develop an effective method for determining salt and alkali tolerances in oats, an important food crop. 1) In experiment 1, 68.5mmol.L-1 salt and 22.5mmol.L-1 alkali were identified as appropriate concentrations for determining the tolerance of oats to salinity and alkalinity during germination. 2) To validate the screening method obtained in experiment 1 for use in the germination stage, 248 oat genotypes were evaluated, of which 21 were identified to be tolerant to salinity and alkalinity. 3) In experiment 3, one salt treatment (40L of Na2SO4:NaCl (1:1), 150mmol.L-1) was found to be optimal for determining the tolerance of oats to salinity during the growth and development stage. For alkalinity tolerance, the optimal treatment was 40L of Na2CO3:NaHCO3 (1:1), 75mmol.L-1. 4) Because there was no significant relationship between tolerances at the germination and growth stages, it is essential to use screening methods that combine the two stages. 5) In experiment 4, 25 oat genotypes that were highly tolerant to salinity and alkalinity at both the germination and growth stages were identified from 262 oat genotypes. 6) GGE biplot software was found to be an effective tool for interpreting the results. The plastic cone-tainer planting method was found to improve screening efficiency. 7) There were differences in the effects of salinity and alkalinity on oats. Alkali stress mainly reduces the chlorophyll content, while salinity mainly disrupts water absorption. 8) Chlorophyll content could be used as a physiological criterion for identifying both salt and alkali tolerances.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».