The effect of auxins on amelioration of heat stress‐induced wheat (<i>Triticum aestivum</i> L.) grain loss
Notice bibliographique
Résumé
Abstract High temperature stress during the reproductive growth stage of wheat ( Triticum aestivum L.) can cause extensive yield losses. As the plant hormone auxin is a key regulator of reproductive development, we studied the effect of auxins on grain yield in five wheat lines exposed to moderate heat stress (34–35°C) for 6 h per day for 6 days during early flowering (booting stage to anthesis). ‘CDC Go’, a semi‐dwarf ( Rht ‐ B1b ) cultivar, responded to auxin application (1 µM) by producing higher grain number and yield under control and heat stress conditions. The effect of five different auxins on grain yield in ‘CDC Go’ was dependent on spike developmental stage at application and position within the spike, with 4‐Cl‐IAA at 1 µM being the most effective auxin treatment. The presence of Rht dwarfing mutant alleles of Rht ‐ B1 and Rht ‐ D1 alone did not increase auxin‐induced grain yield when tested in lines isogenic for these alleles. In the field, 4‐Cl‐IAA (1 µM) increased grain yield by 6%–8% only in ‘CDC Go’, one of six hard red spring wheat cultivars tested over two growing seasons in the western Canadian prairies. When 4‐Cl‐IAA application increased grain yield and number, the grain protein content was not affected; when it maintained grain yield in plants with lower biomass, grain protein content was reduced. Our field results suggested that both genotype and environment affect auxin‐induced enhancement of wheat grain yield. We recommend testing target environments with heat stress as a focus of a breeding programme along with further testing of auxin as a crop enhancement tool.
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 ».