Low temperature and excess moisture affect seed germination of soybean (<i>Glycine</i> <i>max</i> L.) under controlled environments
Notice bibliographique
Résumé
Cold and excess moisture pose a serious threat to soybean production especially during seed germination in short-season environments. In this study, the effects of low temperature and excess moisture stress on seed germination were investigated in 187 soybean accessions originating from 18 countries. The experiment used a combination of three temperature conditions (i.e., 20 °C/14 °C, 14 °C/10 °C, and 10 °C/10 °C day/night) and two moisture levels (i.e., normal and excess). The seed germinability traits measured included germination rate (GR), germination index, germination time, germination uniformity, and coefficient of velocity of germination. Overall, GR was lowest in the 20 °C/14 °C + excess moisture and germination time was longest in the 10 °C/10 °C + excess moisture. When compared with 20 °C/14 °C + normal moisture treatment, GR at 10 °C/10 °C + excess moisture decreased by 38%; germination time increased by 20 days; seed viability decreased by 83%; germination uniformity decreased by 70%; germination speed decreased by 73%. Differences in GR, germination index, and germination velocity under different treatments were affected by temperature, moisture, and their interaction. Variation in germination time uniformity was determined by temperature, with no significant effects of moisture conditions and the interaction of temperature and moisture. It was shown that the temperature–excess moisture interaction led to a sharp decrease in seed germination. Two genotypes including PI 603147 and PI 507702 were identified with a GR over 90% at 10 °C/10 °C + excess moisture. This study generated new knowledge and data to further the understanding of genetic resistance to cold and excess moisture stress in soybean.
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 | 0,000 | 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 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 ».