MétaCan
Menu
Retour à la cohorte
Enregistrement W2942055286 · doi:10.33354/smst.75250

Syysolojen ja perimän vaikutus nurmiheinien talvenkestävyyteen, keväistymiseen ja sadontuottoon

2016· article· fi· W2942055286 sur OpenAlexaff
Mervi Seppänen, Venla Jokela, Panu Korhonen, Mika Isolahti, Perttu Virkajärvi

Notice bibliographique

RevueSuomen Maataloustieteellisen Seuran Tiedote · 2016
Typearticle
Languefi
DomaineAgricultural and Biological Sciences
ThématiqueAgroforestry and silvopastoral systems
Établissements canadiensCollège Boréal
Organismes subventionnairesnon disponible
Mots-clésPhysics

Résumé

récupéré en direct d'OpenAlex

Ilmastonmuutoksen ennustetaan pidentävän kasvukautta ja leudontavan talvia mikä mahdollistaisi laajemman laji- ja lajikevalikoiman myös monivuotisissa nurmissa. Etenkin timoteilajikkeiden yhteydessä puhutaan eteläiseistä ja pohjoisista lajikkeista, joissa eteläisen geeniperimän lisääminen johtaa nopeampaan kasvurytmiin, mutta voi heikentää talvenkestävyyttä. Syysviljoilla talvenkestävyyden ja talven aikana tapahtuvan vernalisaation eli keväistymisen merkitystä alueelle sopien lajikkeiden valintaan on tutkittu pitkään. Sen sijaan nurmikasvien talvehtimisen aikana tapahtuvan keväistymisen merkityksestä talvenkestävyydelle tai satopotentiaaliin ei tunneta. Tässä tutkimuksessa selvitettiin miten syksyn karaistumisolot sekä kasvin perimä vaikuttavat talvenkestävyyden ja keväistymisen etenemiseen sekä sadonmuodostukseen nurmilla. Tulosten perusteella pohditaan miten tulevaisuuden talvehtimisoloihin sopivia nurmikasvilajeja ja –lajikkeita voidaan tunnistaa. Tutkimuksessa kerättiin Viikin pellolta kasvinäytteitä talvien 2009-2013 aikana kuukausittain, joista esitelmässä keskitytään talviin 2011-13. Laboratoriossa ja kasvihuoneella määritettiin kerättyjen timotei-, nurminata- ja englanninraiheinälajikkeiden kylmänkestävyys (LT50), kukintapäivä (HD-heading date), pituus, lehtien ja versojen lukumäärä sekä eri versotyyppien (generatiiviset, korrelliset ei-kukkivat ja vegetatiiviset) määrä kasvustossa. Lisäksi määritettiin ensimmäisen sadon kuiva-ainesato ja eri versotyyppien osuus sadosta. Säädatasta laskettiin karaistumispäivien lukumäärä ja kertynyt lämpösumma syksyllä, havainnoitiin lumipeitteisyys ja sen kesto sekä kasvukauden sääolot. Nurmiheinillä vernalisaatiovaatimuksen havaittiin täyttyvän tammikuuhun mennessä minkä jälkeen kukinta ei enää nopeutunut vaan kasvit olivat täysin keväistyneet. Pohjoisten ja eteläisten timoteilajikkeiden välillä havaittiin eroja alkusyksystä, mutta talven edetessä erot lajikkeiden välisissä kukinta-ajoissa poistuivat. Vernalisaatio vapautti korren pituuskasvun ja satopotentiaalin havaittiin olevan korkeimmillaan heti vernalisaatiovaatimuksen täyttymisen jälkeen tammikuussa. Vernalisaation etenemisen ja kylmänkestävyyden purkautumisen välillä ei sen sijaan havaittu merkittävää yhteyttä. Kylmänkestävyyden kehittymiseen vaikutti eniten syksyn aikana kertyneiden karaistumispäivien lukumäärä sekä lämpösumma. Talvina, jolloin karaistumisaika jäi lyhyeksi, myös hyvin talvenkestävät timoteilajikkeet epäonnistuivat karaistumisessa. Tulokset antavat viitteitä siihen miten nurmikasvilajien ja –lajikkeiden välisiä eroja niiden talvehtimisessa voidaan hyödyntää jalostettaessa muuttuviin ilmasto-oloihin sopivia viljelykasveja.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,879
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,006

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 Opus0,017
Tête enseignante GPT0,209
Écart entre enseignants0,192 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSuomen Maataloustieteellisen Seuran TiedoteMême sujetAgroforestry and silvopastoral systemsTravaux en français237 207