Soybean Seed Yield Response to Plant Density by Yield Environment in North America
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Core Ideas Soybean seed yield response to plant density is dependent on yield environment. Low yield environments required higher plant densities than high yield environments. Plant density mainly affected per‐plant seed number. No differences in plant survival were observed among yield environments. Inconsistent soybean [ Glycine max (L.) Merr.] seed yield response to plant density has been previously reported. Moreover, recent economic and productive circumstances have caused interest in within‐field variation of the agronomic optimal plant density (AOPD) for soybean. Thus, the objectives of this study were to: (i) determine the AOPD by yield environments (YE) and (ii) study variations in yield components (seed number and weight) related to the changes in seed yield response to plant density for soybean in North America. During 2013 and 2014, a total of 78 yield‐to‐plant density responses were evaluated in different regions of the United States and Canada. A soybean database evaluating multiple seeding rates ranging from 170,000 to 670,000 seeds ha −1 was collected, including final number of plants, seed yield, and its components (seed number and weight). The data was classified in YEs: low (LYE, <4 Mg ha −1 ), medium (MYE, 4–4.3 Mg ha −1 ), and high (HYE, >4.3 Mg ha −1 ). The main outcomes were: (i) AOPD increased by 24% from HYE to LYE, (ii) per‐plant yield increased due to a decrease in plant density: HYE > MYE > LYE, and (iii) per‐plant yield was mainly driven by seed number across plant densities within a YE, but both yield components influenced per‐plant yield across YEs. This study presents the first attempt to investigate the seed yield‐to‐plant density relationship via the understanding of plant establishment and yield components and by exploring the influence of weather variables defining soybean YEs.
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.
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 | 0,000 | 0,000 |
| 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) | 0,001 | 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 découle