Effect of seeding date, environment and cultivar on soybean seed yield, yield components, and seed quality in the Northern Great Plains
Notice bibliographique
Résumé
Abstract Western Canada grows more than 25% of Canadian soybeans [ Glycine max (L.) Merr.] and is the new northern extent of the North American soybean‐growing region. Canada is the seventh largest soybean‐exporting country, yet little information on yield and quality in modern cultivars exists for that region. The objective of this study was to determine the impact of delayed seeding on soybean seed yield, yield components, maturity, and seed quality in Manitoba, located in the eastern northern Great Plains, and provide the first characterization of the relative influence of environment, seeding date and cultivar on those variables. Field studies were conducted from 2015 to 2017 at three locations in southern Manitoba to evaluate the performance of three soybean cultivars at three seeding dates from 24 May to 24 June. Up to 90% of total variation in the response variables was explained by environment, seeding date, cultivar and their interactions, with environment often consuming the majority of total sums of squares. Among environments, seed yield ranged from 1610 to 3590 kg ha −1 , seed number from 1719 to 3828 seeds m −2 , seed weight from 125 to 169 g 1000 seeds −1 , oil concentration from 16.1 to 18.7% and protein concentration from 32.8 to 35.3%. Overall, very late seeding reduced yield, seed weight, and oil but did not affect protein. This study demonstrates that environmental conditions in Manitoba have a large influence on soybean performance compared to seeding date or pedigree and that protein concentration varies at a finer geographical scale than previously reported.
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) | 0,000 | 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 ».