Prediction of Cultivar Performance Based on Single‐ versus Multiple‐Year Tests in Soybean
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Because of the omnipresent genotype × year or genotype × location × year interactions in crop performance trials, it is commonly believed that multiple‐year data should be used in selecting cultivars for the next year. An implicated but rarely tested hypothesis is that multiple‐year data are more predictive than single‐year data of cultivar performance in the next year. Yield data of the 1991 to 2000 Ontario Soybean Variety Trials in the 2800 Crop Heat Unit (CHU) area were used to study the power of single‐year, multiple‐location trials in predicting cultivar performances in the following year, and to see if data from multiple‐year trials are more predictive. Mixed models were used to estimate best linear unbiased predictions (BLUP) of tested genotypes on the basis of single‐ or multiple‐year trials, and the t ‐statistic of BLUP (tBLUP) was used as a measure of cultivar performance. Results indicated that a single‐year, multiple‐location trial had sufficient power for identifying genotypes that would perform well or poorly in the next year. Two to four years' data gave only slightly better predictions of next‐year performances than single‐year data but allowed more genotypes to be evaluated conclusively. The tBLUP of genotype effects based on 2 yr of multiple‐location trials should be used as a basis for soybean cultivar selection and recommendation in the 2800 CHU area of Ontario.
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.
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 | 0,001 |
| 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 découle