Can Spring Wheat‐Growing Megaenvironments in the Northern Great Plains Be Dissected for Representative Locations or Niche‐Adapted Genotypes?
Notice bibliographique
Résumé
ABSTRACT Characterizing variety testing sites and identification of sites with negligible genotype × environment crossover interaction is important for plant breeders wishing to identify superior germplasm and (or) cultivars for a wide range of environments. Long‐term multilocation grain yield data from the regional hard red spring wheat (Triticum aestivum L.) variety trials from 1981 to 2002 (472 location years assessing 64 wheat genotypes) in Alberta, Canada, were employed for this study. The shifted multiplicative model (SHMM) and the site regression model (SREG) were used to group testing sites into subsets with reduced crossover interaction. Both models identified yearly subsets of testing sites with negligible crossover interaction. However, the yearly site groupings did not generally follow a repeatable pattern over years. Clustering did not correspond with provincial agroclimatic classification, nor did it correspond with site‐specific yield potential. Genotype × environment patterns were therefore inconsistent over the years, mainly because of complex, highly variable, and unpredictable year × location effects. We identified sites appearing to be more discriminative and predictive of average genotype performance. This suggests that regional variety trials may be conducted at a fewer more representative locations predictive of average varietal performance. We conclude that the spring wheat growing areas in Alberta (and in the northern Great Plains in general) belong to a single megaenvironment with unpredictable crossover interaction patterns. Because of the highly variable and unpredictable genotype × environment interaction patterns in Alberta, genotypic selection targeting wide adaptation is recommended. Although genotype × environment patterns were not repeatable, the yearly high yielding and stable varieties were repeatedly selected over years. These varieties were the most popular varieties grown by farmers during the testing time period.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».