Leaf Pigments, Surface Wax and Spectral Vegetation Indices for Heat Stress Resistance in Pea
Notice bibliographique
Résumé
Pea is a grain legume crop commonly grown in semi-arid temperate regions. Pea is susceptible to heat stress that affects development and reduces yield. Leaf pigments and surface wax in a crop canopy make the primary interaction with the environment and can impact plant response to environmental stress. Vegetation indices can be used to indirectly assess canopy performance in regard to pigment, biomass, and water content to indicate overall plant stress. Our objectives were to investigate the contribution of leaf pigments and surface wax to heat avoidance in pea canopies, and their associations with spectral vegetation indices. Canopies represented by 24 pea cultivars varying in leaf traits were tested in field trials across six environments with three stress levels in western Canada. Compared with the control non-stress environments, heat stress reduced leaf lamina and petiole chlorophyll a, chlorophyll b, and carotenoid concentrations by 18–35%, and increased leaf lamina chlorophyll a/b ratio, anthocyanin and wax concentrations by 24–28%. Generally, greater leaf pigment and wax concentrations were associated with cooler canopy temperature and high heat tolerance index (HTI) values. Upright cultivars had higher HTI values, whereas the lowest HTI was associated with normal leafed vining cultivars. Vegetation indices, including photochemical reflectance index (PRI), green normalized vegetation index (GNDVI), normalized pigment chlorophyll ratio index (NPCI), and water band index (WBI), had strong correlations with HTI and with heat avoidance traits. This study highlights the contribution of pigments and wax as heat avoidance traits in crop canopies, and the potential application of spectral measurements for selecting genotypes with more heat resistant vegetation.
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 | 0,000 | 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 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 ».