Foliar Application of Biostimulants Alleviates Water Stress in Canola ( <i>Brassica napus</i> L.)
Notice bibliographique
Résumé
ABSTRACT Global climate change is intensifying extreme precipitation events, leading to more frequent droughts and waterlogging and posing a serious threat to crop production. Although biostimulants show potential to improve crop resilience to water stress, their field efficacy and mechanisms remain debated and poorly understood. We conducted a three‐year field experiment with varying irrigation regimes and foliar applications of plant growth regulator and micronutrients to (1) develop a method for categorising field water conditions and (2) evaluate the effects of biostimulants on canola growth, nutrient uptake, and seed composition. The results demonstrated that clustering plant traits provided an effective means of classifying field data into distinct water stress levels. According to this classification, water stress was shown to cause a 10%–22% reduction in canola yield, primarily due to physiological disruptions, such as the impaired nutrient transport to the seeds. Foliar application of abscisic acid (ABA), silicon (Si), and zinc (Zn) at early flowering reduced drought‐induced yield loss by 11%–15% because of the partial restoration of plant physiological processes. ABA also significantly enhanced crop tolerance to soil water saturation, whereas micronutrients showed limited effectiveness. These effects were timing‐specific due to distinct physiological responses and source–sink nutrient balance, including the assimilation and allocation of carbon, nitrogen, and sulfur to reproductive organs. Based on the findings, we recommend applying ABA at early flowering to enhance yield stability under unpredictable weather conditions of drought and waterlogging.
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 ».