Long-term field trials assess temporal trends and seasonal weather on soybean seed yield, nutrient composition and nitrogen dynamics
Notice bibliographique
Résumé
Soybean is vital for global food security, and understanding its response to environmental changes is crucial. We examined the interannual variation in seed traits of 14 short-season soybean cultivars from seven decades (1932-1992) in Eastern Canada, using field trials data from 1993 to 2016. Impacts of growing season weather variables—precipitation, mean maximum temperature (MTemp), and mean maximum vapor pressure deficit (MVPD), as well as historical atmospheric CO 2 —on seed yield, protein and oil percentages, carbon isotope discrimination (Δ 13 C), nitrogen isotopic composition (δ 15 N) were assessed. Seed yield and Δ 13 C increased with precipitation but decreased with MTemp and MVPD. Seed carbon percentage and Δ 13 C increased with atmospheric CO 2 , while seed protein and oil percentages, and δ 15 N decreased. Hierarchical partitioning highlighted vulnerability of soybean yield during the early reproductive stages (R1-R3, July) as well as the protein yield during the pod-formation and seed-filling period (R4-R6, August). Historical cultivar selection favored seed and oil yields, but not protein yield, Δ 13 C, and δ 15 N. Correlations between Δ 13 C, δ 15 N, and seed yield suggest selecting for higher yield may indirectly reduce water-use efficiency (indicated by higher D 13 C) and enhanced biological nitrogen fixation (reflected by lower d 15 N).
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 | 0,001 | 0,001 |
| 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 ».