Seed size and seeding rate effects on canola emergence, development, yield and seed weight
Notice bibliographique
Résumé
Harker, K. N., O'Donovan, J. T., Smith, E. G., Johnson, E. N., Peng, G., Willenborg, C. J., Gulden, R. H., Mohr, R., Gill, K. S. and Grenkow, L. A. 2015. Seed size and seeding rate effects on canola emergence, development, yield and seed weight. Can. J. Plant Sci. 95: 1-8. Canola (Brassica napus L.) is the most common dicotyledonous crop in Canada. Here we determine the effect of canola seed size and seeding rate on canola emergence, development, yield and seed weight. In 2013, direct-seeded experiments were conducted at nine western Canada locations. Four canola seed sizes (1000-seed weights ranging from 3.96 to 5.7 g) and one un-sized treatment (4.4 g average) were seeded at two rates (75 and 150 seeds m-2). Higher seeding rates led to higher canola emergence and stubble density at harvest. Higher seeding rates also increased early crop biomass, 1000-seed weights and seed oil content and reduced days to start of flowering and days to crop maturity. Seed size effects on canola emergence, yield or seed quality were not significant. Increasing seed size had a positive linear association with early canola biomass and 1000-seed weights, whereas, both days to flowering and days to the end of flowering had a negative linear association with seed size. Greater biomass from large seeds increases crop competition with weeds and also hastens flowering, shortens the flowering period and reduces the risk that canola will be exposed to high temperatures that can negatively impact flowering and pod development.
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 | 0,000 | 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 ».