Effects of elevated nitrogen fertilizer on the multi‐level structure and thermal properties of rice starch granules and their relationship with chalkiness traits
Notice bibliographique
Résumé
Abstract BACKGROUND Chalkiness in rice reduces its market value and affects consumer acceptance. Research on the mechanism of chalkiness formation has focused primarily on the activity of key enzymes of carbon metabolism and starch accumulation. The relationship between the formation of chalkiness induced by N fertilizer and rice starch's multi‐level structure and thermal properties still needs to be fully elucidated. RESULTS In this study, the rates of chalky grains and degree of chalkiness decreased with the increase in N fertilizer dosage. This was attributed to an increased proportion of short chains, ordered structure carbon chains, small starch granules, and branched starches, and a higher degree of crystallinity and Δ H g in protein, and a decreased proportion of amylose, large starch granules, and weighted average diameter of starch granule surface area and volume. Application of N fertilizer promoted an increased proportion of short‐branched chain amylopectin to develop a more ordered carbohydrate structure and crystalline lamella. These effects enhanced the normal development and compactness of starch granules in grains, and improved their arrangement morphology, thereby reducing the chalkiness in rice. CONCLUSION These changes in starch multi‐level structure and protein improve the physicochemical characteristics of starch and enhance the fullness, crystallinity and compactness of starch granules, while synergistically increasing the regularity and homogeneity of starch granules and thus optimizing the stacking pattern of starch granules, leading to a reduction in rice chalkiness under nitrogen fertilization and thus improving the appearance of rice. © 2023 Society of Chemical Industry.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».