Genotype × Region Interaction for Two‐Row Barley Yield in Canada
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
Barley ( Hordeum vulgare L.) breeding programs recognize eastern and western Canada as separate target regions, but the extent of local adaptation to regions and subregions within them has not been studied. Genotype × region and subregion interactions were estimated in 145 lines from the two‐row barley cross Harrington/TR306 in 22 trials in 1992‐1993. The trials were grouped into five subregions (Maritimes–Quebec, Ontario, Manitoba–North Dakota, Saskatchewan, and Alberta) and two regions (eastern Canada and western Canada plus North Dakota). Variance components were estimated by a model in which the genotype × location (σ 2 GL ) variance was subdivided into a genotype × region (or subregion) variance (σ 2 GS ), and a within‐region or ‐subregion σ 2 GL No σ 2 GS was observed within the eastern or western regions, and genotypic correlations across subregions within regions approached 1.0. Significant σ 2 GS was observed for eastern versus western Canada, but the correlation between genotypic effects across these regions was 0.83. In a selection experiment, subdivision of the eastern or western regions did not increase response. Selection in the east produced greater yields in both the east and west. The same genotype ranked first for yield in both regions. There was little specific adaptation to subregions, and two‐row barley genotypes were broadly adapted across northern North America. Further subdivision of the regions is unwarranted, and selection in either region is likely to result in response in the other. The lack of local adaptation indicates that breeding programs that test broadly are likely to outperform ones that are narrowly targeted.
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 | 0,000 |
| 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) | 0,000 | 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