Physiological mechanisms underlying genetic improvement in sink establishment and plant‐to‐plant variability in maize
Notice bibliographique
Résumé
Abstract Genetic improvement in maize ( Zea mays L.) grain yield is associated with improvements in dry matter accumulation during the grain‐filling period and the ability to maintain partitioning to the grain (i.e., harvest index) when grown at higher plant population densities. Although several attributes have been identified that lead to improved dry matter accumulation during the grain‐filling period, the attributes that have enabled the maintenance of harvest index at higher plant population densities remain elusive. Using the Ontario ERA hybrids that represent five eras of genetic improvement in Ontario, we examined genetic improvement in several attributes associated with sink establishment and partitioning to the grain. We show that the number of florets on an ear initial is not influenced by plant density, nor is there any evidence of a genetic improvement in floret number. There has been genetic improvement, however, in the ability to support kernel set at a lower threshold level of dry matter accumulation and to more efficiently set kernels at lower dry matter accumulation levels, such as those experienced at higher plant densities. Genetic improvement is evident for reduced plant‐to‐plant variability for dry matter accumulation, grain yield, kernel number, and plant growth rate around silking, but most notably for grain yield. Finally, we show that genetic improvement in reduced plant‐to‐plant variability for grain yield is the result of the lower threshold dry matter levels required for seed set and the improved resource utilization, which has led to greater stability of individual plant performance in a stand.
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 | 0,001 |
| 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 ».