Response of Maize Yield Components to Growth Stage‐Based Deficit Irrigation
Notice bibliographique
Résumé
In the face of declining water resources and climatic variability, growth stage‐based deficit irrigation may be a feasible approach to enhance agricultural system resilience. A 3‐yr experiment was conducted to evaluate the impact of deficit irrigation on maize ( Zea mays L.) in the late vegetative (Lveg) and maturation (Mat) growth stages, where phenology, dry leaf weight, aboveground biomass, yield, kernel number, 1000 kernel weight, and grain‐filling rate were evaluated. Water deficit during the Lveg stage decreased the kernel number and dry leaf weight, thus decreasing the potential grain‐filling rate (less photosynthetic tissue). In contrast with deficit during the Lveg stage, deficit during the Mat stage directly reduced the grain‐filling rate and duration and thus had the strongest effect on grain yield. A growth stage interaction was evident, such that the reduction in yield associated with water deficit applied during the Lveg stage was exacerbated by water deficit applied during the Mat stage. Yield reduction was proportional with the severity of the water deficit, in all cases. Nevertheless, water deficit applied during the Mat stage had a larger impact on maize yield compared with water deficit applied during the Lveg stage. If farmers have reduced water allocations but seasonal flexibility in the timing of irrigation water application, they will maximize yield by saving water for reproductive and maturation growth stages. Core Ideas Water deficit during the late vegetative stage decreased the kernel number and dry leaf weight. Deficit applied during the maturation stage directly reduced the grain‐filling rate. Yield reduction was proportional with the severity of the water deficit. Water deficit during the maturation stage had a larger impact on maize yield compared with that at the late vegetative stage.
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 | 0,001 | 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) | 0,002 | 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 ».