Intra-specific and inter-sub-specific crossing in lentil (<i>Lens culinaris</i> Medik.)
Notice bibliographique
Résumé
Lentil crosses (Lens culinaris ssp. culinaris and L. c. ssp. orientalis) were carried out in the greenhouse and in the field, and the effects of genotype and some environmental conditions on crossing success were assessed. In the greenhouse in the fall, the independent variables “Male” and “Hour” influenced pod and seed set per pollinated flower and “Temperature” affected seed number per pod. Some genotypes and different cross combinations were better under greenhouse conditions. Seed set per pollinated flower of the best inter-sub-specific cross combination in the greenhouse (Lupa × orientalis) averaged 55.2%, while for other intra and inter-sub-specific crosses the average ranged between 3.6 to 23.5%, with an average seed set of 24.4%. Selfed progeny, as determined by morphological and molecular markers, was 5%. Fall crossing success in the greenhouse was favored by temperatures of 20–25°C and sunny mornings. In the field, none of the dependent variables significantly influenced pod or seed set per cross. The intra-specific field seed set per pollinated flower ranged from 0 to 31.1%, with a mean seed set of 13.3%. Spring crossing success in the field was favored by cloudy and rainy days with mild temperatures. Under field conditions, intra-specific crossing success was considerably lower in the spring compared to the inter-sub-specific (L. c. ssp. culinaris × L. c. ssp. orientalis) success obtained in the greenhouse in the fall. Key words: Lentil, Lens culinaris ssp. culinaris, Lens culinaris ssp. orientalis, crossing success, hybrids, environmental conditions
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 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 ».