Model Concepts to Express Genetic Differences in Maize Yield Components
Notice bibliographique
Résumé
Maize (Zea mays L.) grain yield is closely related to kernel number per unit area. The quantification of genetic differences among maize cultivars to kernel number plant−1 (KNP) is critical for accurate yield simulation but remains one of the less accurate components of yield modeling. Our objective was to document the recently published KNP data and revise CERES Maize model (V3.5). The duration of a critical window for KNP simulation was 327°C days (227°C days before and 100°C days after silking—base temperature 8°C) when ears actively grew. The KNP was curvilinearly related to cumulative intercepted photosynthetically active radiation plant−1 (CIPAR) during the critical window. Potential kernel ear−1 and kernel produced per unit CIPAR were the genetic coefficients needed to simulate KNP. Apical ears produced maximum KNP at a plateau CIPAR of 64 MJ, and prolific hybrids produced secondary ears when CIPAR exceeded 64 MJ. The genetic differences in prolificacy in low plant density were expressed by another coefficient. Below a threshold CIPAR of 11 MJ, all plants were barren, and a barrenness coefficient expressed genetic differences among old and modern hybrids to produce KNP in high plant density. Sensitivity analysis with limited testing indicated that the revised model simulated yield reasonably well [root mean square error (RMSE) = 0.63 Mg ha−1] compared with the original model (RMSE = 1.25 Mg ha−1) across a wide range of plant densities. However, rigorous testing of the model will be required to gain greater confidence in the proposed concepts.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».