Effects of soil water and nitrogen on drought resilience, growth, yield, and grain quality of a spring wheat
Notice bibliographique
Résumé
Drought imposes a significant challenge for crop production. However, little is known about the impact of drought priming and nitrogen (N) application and their interactive effects on drought resilience, yield, and grain quality in wheat. Spring wheat (cv. Stettler) was grown in plastic pots (25 cm diameter) with high, moderate, and low soil water levels and received N (added N) or without N (no N added), and subjected to acute drought for 10 days, then rewatering at the tillering stage. Canopy temperature, maximum efficiency of photosystem II, and normalized difference vegetation index were measured at 3-day intervals during drought-recovery periods to quantify drought resistance and resilience. Above-ground dry matter, straw dry matter, seed dry matter, harvest index, and grain N, phosphorus (P), and zinc (Zn) concentrations were determined. Both moderate- and low-water-grown plants had higher drought resistance than high-water-grown plants. The addition of N alleviated acute drought stress in high- and moderate-water-grown plants but exacerbated drought stress in low-water-grown plants. Both high and moderate water resulted in higher grain yields, but had a lower harvest index than low water. The highest and lowest grain N were observed in the low- and high-water-grown plants, respectively. The addition of N increased N and N:P in grains but decreased grain Zn:N. This study showed that moderate drought priming along with N application can improve drought resistance, yield, and grain quality. The results also indicated that canopy thermal imaging is a useful tool for high-throughput quantification of the drought resistance of wheat.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 source (Gemma direct ou Codex distillé), 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 ».