Relationships between roots, the stay‐green phenotype, and agronomic performance in barley and wheat grown in semi‐arid conditions
Notice bibliographique
Résumé
Abstract Stay‐green is a phenotype that crop breeders could use to improve drought adaptation. It increases the duration of grain fill in several species including barley ( Hordeum vulgare L.) and wheat ( Triticum aestivum L.), maintaining yield in semi‐arid conditions. Evidence from controlled environment experiments suggests a connection between stay‐green and root systems. These belowground structures are understudied and thus represent opportunity for crop improvement if relationships to agronomics can be understood. Minirhizotrons facilitate study of these relationships by allowing repeated nondestructive root measurements in field conditions. However, this is time‐consuming, and proxies would be useful for increasing throughput capacity of root research. Here we present results from field trials with minirhizotrons in a semi‐arid environment, as well as greenhouse seedling assays conducted on stay‐green and non‐stay‐green barley and wheat lines. In barley, stay‐green and greater yield were primarily associated with greater deep root length and delayed root senescence, whereas in wheat, yield was most strongly correlated with total root length, and root system differences for stay‐green were not as apparent. We speculate that the physiology of stay‐green is different between these two species, and that barley may use a more efficient root system to withstand drought whereas wheat relies on a larger one. Several seedling traits related consistently to field root traits, but correlation directions were often opposite between barley and wheat. The connections between traits presented here could be useful for breeders seeking to improve crop adaptation to drought, but more genotypes and environments will need to be tested.
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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».