Spring wheat agronomic and quality responses to a genotype × environment × N source and management systems approach
Notice bibliographique
Résumé
Yield and quality improvements in Canada Western Red Spring (CWRS) wheat ( Triticum aestivum L.) are increasingly difficult to attain, which behooves a systems approach to unlock genotype (G) × environment (E) × management (M) synergies. This 25 site-year study was designed to assess a G × E × M systems approach to improve CWRS agronomics, quality, and N use efficiency (NUE). The investigation consisted of genetics (AAC Viewfield vs. AC Stettler), N source (untreated urea; urea + urease inhibitor, N-(n-butyl) thiophosphoric triamide (NBPT); urea + nitrification inhibitor, nitrapyrin; urea + dual-inhibitor (NBPT + dicyandiamide); and polymer-coated) and N timing/placement (all-banded at planting, two-split applications and three-split applications), deployed across diverse soil zones in western Canada. Differential yield responses were observed between cultivars as AAC Viewfield produced superior yield over AC Stettler (+4.3%) in black and grey soils, while yield attainment was similar in dark brown soils. Genetic improvement over AC Stettler seemed most apparent in water abundant environments; however, AC Stettler was often superior in drier conditions. All N sources produced comparable outcomes for yield, quality, NUE, and net returns. In black and grey soils, adopting either all-banded or two-splits improved grain yield due to augmented seedling vigor, heads per plant, and N recovery. The timing of split-applications introduces more risk to yield and is likely attributed to a poorly developed source:sink relationship in the critical growth period if applied late to optimize grain protein. This highlights the complexity of the system and balance needed to harness the potential synergy between G, E, and M components.
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 ».