Cultivar Evaluation and Mega‐Environment Investigation Based on the GGE Biplot
Notice bibliographique
Résumé
Cultivar evaluation and mega‐environment identification are among the most important objectives of multi‐environment trials (MET). Although the measured yield is a combined result of effects of genotype (G), environment (E), and genotype × environment interaction (GE), only G and GE are relevant to cultivar evaluation and mega‐environment identification. This paper presents a GGE (i.e., G + GE) biplot, which is constructed by the first two symmetrically scaled principal components (PC1 and PC2) derived from singular value decomposition of environment‐centered MET data. The GGE biplot graphically displays G plus GE of a MET in a way that facilitates visual cultivar evaluation and mega‐environment identification. When applied to yield data of the 1989 through 1998 Ontario winter wheat ( Triticum aestivum L.) performance trials, the GGE biplots clearly identified yearly winning genotypes and their winning niches. Collective analysis of the yearly biplots suggests two winter wheat mega‐environments in Ontario: a minor mega‐environment (eastern Ontario) and a major one (southern and western Ontario), the latter being traditionally divided into three subareas. There were frequent crossover GE interactions within the major mega‐environment but the location groupings were variable across years. It therefore could not be further divided into meaningful subareas. It was revealed that in most years PC1 represents a proportional cultivar response across locations, which leads to noncrossover GE interactions, while PC2 represents a disproportional cultivar response across locations, which is responsible for any crossover GE interactions. Consequently, genotypes with large PC1 scores tend to give higher average yield, and locations with large PC1 scores and near‐zero PC2 scores facilitates identification of such genotypes.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».