MétaCan
Menu
Retour à la cohorte
Enregistrement W4309951896 · doi:10.1002/csc2.20886

Evaluation of the impact of photoperiod and light intensity on decreasing days to maturity in winter wheat

2022· article· en· W4309951896 sur OpenAlexafffund
Alexandra Ficht, Austin Bruch, Istvan Rajcan, Curtis Pozniak, E.M. Lyons

Notice bibliographique

RevueCrop Science · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWheat and Barley Genetics and Pathology
Établissements canadiensUniversity of SaskatchewanUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaOntario Ministry of Agriculture, Food and Rural Affairs
Mots-clésphotoperiodismCultivarBiologyLight intensityCropAgronomyPopulationMaturity (psychological)HorticultureAnimal scienceDemography

Résumé

récupéré en direct d'OpenAlex

Abstract The development and improvement of crop cultivars are necessary to meet the demands of the growing global population. The ability to decrease the generation time is imperative for breeders to achieve higher rates of genetic gain annually. Understanding the way in which photoperiod affects the maturation rate of these crops, including winter wheat ( Triticum aestivum L.), is required for decreasing generation time in breeding programs. The effects of prolonged photoperiod and light intensity on winter wheat generation time were studied to determine if photoperiod may contribute to a shortened cycle time. Three winter wheat cultivars (Branson, CFBA1401, and Norstar) and one spring wheat cultivar (AC Carberry) were exposed to four treatments based on the daily light integral (DLI): high light (HL) or low light and photoperiod as follows: 22 h of light and 2 h of dark (22:2) or 16 h of light and 8 h of dark (16:8). Generation time, as measured by days to maturity in the HL22:2 treatment, resulted in a decrease of 8 days or 7% of the total generation time, compared to the control, HL16:8 treatment. Photoperiod itself had a minimal effect on generation time when both DLI and temperature were controlled. An improved understanding of the effects of photoperiod, thermal time, and DLI and their interactions is required prior to implementation in a winter cereal breeding program.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,846
Score d'incertitude au seuil0,135

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,285
Écart entre enseignants0,250 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCrop ScienceMême sujetWheat and Barley Genetics and PathologyTravaux en français237 207