MétaCan
Menu
Retour à la cohorte
Enregistrement W1508092038

Breeding for Cold Tolerance in Chickpea

2009· article· en· W1508092038 sur OpenAlexaboutno aff
S. K. Chaturvedi, Divya Mishra, Priyanka Vyas, Neelu Mishra

Notice bibliographique

RevueTrends in Biosciences/Trends in biosciences · 2009
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGenetic and Environmental Crop Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCropLegumeAgronomyBiologyProductivityCold stressNon-invasive ventilationCrop yieldForensic scienceYield (engineering)InsomniaCrop productionBiotechnologyAgricultureEcology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Chickpea (Cicer arietinum L.), a winter season crop, is the 4th largest grain-legume crop in the world. In India, among various grain legumes grown chickpea ranks 1st covering 8.25 m ha area during 2008-09. Being a cool-season crop, chickpea faces low temperature to the tune of 0-5°C for about 15-20 days in the northern states. The sensitivity of varieties at flowering to chilling temperature below 10°C has adverse effect on chickpea production (15-20% yield losses). The development of varieties possessing cold/low temperature tolerance is viable option for enhancing chickpea production and productivity in low temperature environments of countries like India, Canada and Australia. In present paper, attempts have been made to define cold/low temperature stress in relation to chickpea for different growing environments/countries. Various screening techniques and scoring index in vogue, availability of donors, genetics of cold tolerance, different aspects of varieties development including problems and prospects have been discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,642
Score d'incertitude au seuil0,737

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,006
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,272
Écart entre enseignants0,231 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTrends in Biosciences/Trends in biosciencesMême sujetGenetic and Environmental Crop StudiesTravaux en français237 207