MétaCan
Menu
Retour à la cohorte
Enregistrement W2021056164 · doi:10.2135/cropsci2009.02.0094

Feasibility of Seed Production from Nonflowering Orchardgrass

2010· article· en· W2021056164 sur OpenAlexaff
Michael D. Casler, Ronald C. Johnson, Randolph Barker, Maria M. Jenderek, Y. A. Papadopoulos, J. H. Cherney

Notice bibliographique

RevueCrop Science · 2010
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueHorticultural and Viticultural Research
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésDactylis glomerataBiologyVernalizationAgronomySelection (genetic algorithm)PanicleBotanyPoaceaephotoperiodism

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Nonflowering or sparse flowering orchardgrass ( Dactylis glomerata L.) would greatly simplify management of intensive rotational grazing systems. Our objective was to quantify seed production on nonflowering orchardgrass clones selected in cold‐winter climates, but grown for seed in mild‐winter climates. We evaluated 98 orchardgrass clones for seed production traits at four locations. Most plants (∼92%) flowered at the three northern locations, but only 38% flowered at Parlier, which may have a winter insufficiently cold for adequate floral induction and vernalization. Mean panicle number was lowest (11%) for plants selected at the location with the warmest winter conditions, and highest (37%) for plants selected at the location with the coldest winter conditions. These results confirm our expectations that the most desirable plants (nonflowering under cold winters and normal flowering under mild winters) should arise from selection under more severe winters. Selection for nonflowering under mild winter conditions simply leads to nonflowering plants under all conditions. These results demonstrate that individual orchardgrass genotypes are capable of dual phenotypic expression, flowering in mild‐winter climates or expressing the nonflowering trait in cold‐winter climates and that the expression of this trait depends on both the selection and evaluation location.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,562
Score d'incertitude au seuil0,315

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,052
Tête enseignante GPT0,310
Écart entre enseignants0,258 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCrop ScienceMême sujetHorticultural and Viticultural ResearchTravaux en français237 207