Soybean Genetic Improvement in Yield and the Effect of Late-Season Shading and Nitrogen Source and Supply
Notice bibliographique
Résumé
Genetic improvement in soybean [Glycine max (L.) Merr.] yield has been associated with both assimilate and N accumulation [especially from dinitrogen (N2) fixation] during the seed-filling period (SFP). Therefore, the physiological factors associated with genetic improvement may be dependent on abundant assimilate and N supply. The objectives of this study were to quantify genetic improvement in yield under: (i) assimilate limiting conditions, (ii) under low N fertility, and (iii) when either inorganic N fertilizer or N2 fixation is the main source of N. A randomized complete block experiment was conducted at two locations in 1998 and one in 1999. The main plot factor included no shade or a 63% shade treatment imposed after the R4/R5 developmental stage. The split plot factors were three N treatments: (i) inoculated, (ii) uninoculated with no additional fertilizer, and (iii) uninoculated plus fertilizer N. The split-split plots were four cultivars, representing a pair of older and a pair of newer cultivars. Shading reduced dry matter (DM) accumulation, and both shading and N limitation reduced N accumulation and seed yield. However, the newer cultivars consistently maintained their yield advantage over the older cultivars under both shading and N limiting conditions as well as when the source of N was soil available N or N2 fixation. The results of the study suggest that the physiological factors that contribute to genetic improvement in yield are not dependent on the level of incident radiation during the SFP, or the source or availability of N during the SFP.
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 ».