Simulation‐Based Analysis of Effects of <i>Vrn</i> and <i>Ppd</i> Loci on Flowering in Wheat
Notice bibliographique
Résumé
Cereal production is strongly influenced by flowering date. Wheat (Triticum aestivum L.) models simulate days to flower by assuming that development is modified by vernalization and photoperiodism. Cultivar differences are parameterized by vernalization requirement, photoperiod sensitivity, and earliness per se. The parameters are usually estimated by comparing simulations with field observations but appear estimable from genetic information. For wheat, the Vrn and Ppd loci, which affect vernalization and photoperiodism, were logical candidates for estimating parameters in the model CSM‐Cropsim‐CERES. Two parameters were estimated conventionally and then re‐estimated with linear effects of Vrn and Ppd Flowering data were obtained for 29 cultivars from international nurseries and divided into calibration (14 locations) and evaluation (34 locations) sets. Simulations with a generic cultivar explained 95% of variation in flowering for calibration data (10 d RMSE) and 89% for evaluation data (10 d RMSE), indicating the large effect of environment. Nonetheless, for the calibration data, the gene‐based model explained 29% of remaining variation, and the conventional model, 54%. For the evaluation data, the gene‐based model explained 17% of remaining variation, and the conventional model, 27%. Gene‐based prediction of wheat phenology appears feasible, but more extensive genetic characterization of cultivars is needed.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 ».