Integrating Non-photochemical Quenching (NPQ) Measurements for Identifying Flood-Tolerant Soybean Genotypes in the Era of Climate Change
Notice bibliographique
Résumé
Climate change has negatively affected agriculture worldwide, including soybean production. Studies have shown that rising temperatures and extreme weather events like droughts and floods significantly reduce soybean yields. Developing flood-tolerant soybean genotypes is crucial for ensuring food security. Conventional breeding programs are limited by laborious and imprecise visual rating methods for flooding tolerance identification. High-throughput platforms for plant phenotyping using imaging techniques offer potential solutions, but they lack information on underlying physiological mechanisms. Non-photochemical quenching (NPQ) is a molecular adaptation in photosynthesis that dissipates excess light energy, protecting plants from damage. This study aimed to integrate NPQ measurements into high-throughput phenotyping procedures to identify flooding-tolerant soybean genotypes. The study evaluated 160 soybean genotypes for flooding tolerance, identifying those with higher grain yield potential. Subsequently, ten genotypes were selected for monitoring NPQ responses under flooded conditions. Results showed that genotypes with higher grain yields also exhibited superior NPQ performance, suggesting a positive correlation between flooding tolerance and energy dissipation capacity. Among these genotypes, 58I60 RSF IPRO, 64HO130 I2X and BRS 525 displayed superior potential and could be further exploited in breeding efforts, considering their grain yield capacity, plant leaf area, and photoprotective capacity under flooding conditions. These findings suggest that integrating NPQ measurements into high-throughput phenotyping platforms can aid in identifying flood-tolerant soybean genotypes for breeding programs, leading to more resilient crops in the face of climate change. Further field studies are warranted to validate these hypotheses and improve crop models for future climate scenarios.
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) | 0,001 | 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 ».