Interrelationships Among some Morphological Traits of Wheat (Triticum Aestivum L.) Cultivars using Biplot
Notice bibliographique
Résumé
Abstract Sabaghnia N., Janmohammadi M., 2014: Interrelationships among some morphological traits of wheat (Triticum aestivum L.) cultivars using biplot [Kviečių (Triticum aestivum L.) veislių morfologinių požymių sąveika naudojant biplot metodą]. - Bot. Lith., 20(1): 19-26. Wheat (Triticum aestivum L.) is one of the major food crops worldwide and Iran produces about 14 million tons of wheat annually. Effective interpretation of the data on breeding programmes is important at all stages of plant improvement. The cultivar by trait (CT) biplot was used for two-way wheat dataset as cultivars with multiple traits. For this propose, 13 wheat cultivars with specific characteristics were tested and the CT biplot for wheat dataset explained 65% of the total variation of the standardized data. The polygon view of CT presented for 18 different traits of wheat cultivars showed six vertex cultivars as G3, G4, G5, G9, G11 and G12. The cultivar G4 had the highest values for most of the measured traits. Generally based on vector view, ideal cultivar and ideal tester biplots, it was demonstrated that the selection of high grain yield will be performed via thousand seed weight, spike length and grain diameter. These traits should be considered simultaneously as effective selection criteria evolving high yielding wheat cultivars because of their large contribution to grain yield. The cultivars G3 and G4 could be considered for the developing of desirable progenies in the selection strategy of wheat improvement programmes
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 ».