Biochar and plant growth-promoting rhizobacteria enhance physio-biochemical traits, secondary metabolites, oil, and grain yield of rapeseed under salinity stress
Notice bibliographique
Résumé
Abstract Salinity stress poses a significant constraint on global productivity. This study was designed to investigate the combined effects of inoculation with Azotobacter chroococcum (Az) and soil amendment with biochar on the performance of rapeseed ( Brassica napus L.) under varying levels of NaCl-induced salinity. A factorial experiment evaluated key physio-biochemical responses, oxidative stress indicators, defense compound accumulation, and yield components. Salinity stress negatively impacted rapeseed growth, significantly reducing photosynthetic efficiency (Fv/Fm), chlorophyll content, relative water content (RWC), ATP levels, and ultimately grain and oil yields. Concurrently, salinity (120 mM and control treatments) increased indicators of oxidative damage — electrolyte leakage by 54%, malondialdehyde by 37% — and elevated levels of reactive oxygen species (O 2 •− at 97 µmol g −1 FW h −1 and H 2 O 2 at 86 µmol g −1 FW). Additionally, it induced defense responses such as increased antioxidant enzyme activity and osmolyte accumulation. However, the co-application of Az and biochar significantly mitigated these adverse effects of salinity. Notably, the combined treatment, particularly Az inoculation with an elevated biochar application rate (20%), demonstrated synergistic effects. This combination significantly enhanced photosynthetic efficiency, improved plant water status, and augmented antioxidant defense systems as well as osmotic adjustment mechanisms (including soluble sugars, proline, etc.) relative to untreated plants under saline conditions. Under these conditions, grain and oil yields increased substantially by 16.8% and 12.6%, respectively, compared to untreated saline-stressed plants. These findings highlight the potential of combining Az inoculation with biochar application as a promising and sustainable strategy to improve salinity tolerance and enhance the productivity of rapeseed in salt-affected agricultural environments.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 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 ».