Characterizing Variation in Nitrogen Use Efficiency in Wheat Genotypes Using Proximal Canopy Sensing for Sustainable Wheat Production
Notice bibliographique
Résumé
Global nitrogen use efficiency (NUE) for cereal production is marginal and is estimated to be about 33%. Remote sensing tools have tremendous potential for improving NUE in crops through efficient nitrogen management as well as the identification of high-NUE genotypes. The objectives of this study were (i) to identify and quantify the variation in NUE across 24 winter wheat genotypes (Triticum aestivum L.) and (ii) to determine if the normalized difference vegetation index (NDVI) could characterize the variability in NUE across wheat genotypes. This study was conducted in 2010 and 2011 in the semi-arid climate of Northeastern Colorado across dryland and irrigated conditions. Our results indicate significant variation in the NUE among genotypes across two irrigation conditions. We observed a strong relationship between the NDVI and NUE—as PFP (partial factor productivity) and PNB (partial nitrogen balance)—across the 24 wheat genotypes under dryland conditions (average R2 for PFP and PNB = 0.84) at Feekes growth stage 11.1, for site year II. However, poor association was observed under irrigated conditions (average R2 for PFP and PNB = 0.29) at Feekes growth stage 3 to 4 for site year II. This study demonstrates the potential and limitations of active canopy sensing to successfully characterize the variability in NUE across wheat genotypes.
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 | 0,000 | 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) | 0,000 | 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 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 ».