MétaCan
Menu
Retour à la cohorte
Enregistrement W2056650255 · doi:10.5539/jas.v4n11p248

Evaluation of Drought Tolerant in Some Wheat Genotypes to Post-anthesis Drought Stress

2012· article· en· W2056650255 sur OpenAlexvenueno aff
Sareh Sadat Sayyah, Mokhtar Ghobadi, Sirous Mansoorifar, Alireza Zebarjadi

Notice bibliographique

RevueJournal of Agricultural Science · 2012
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGenetics and Plant Breeding
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRandomized block designAnthesisGenotypeBiologyDrought toleranceDrought stressAgronomyCropWater stressHorticultureCultivar

Résumé

récupéré en direct d'OpenAlex

Water deficit is the major cause of wheat (Triticum aestivum L.) yield losses in Iran and many other regions where the crop is not normally irrigated. The aim of the present study was to evaluate the ability of several selection indices to identify drought-resistant wheat genotypes. Twenty-one bread wheat genotypes were evaluated under two field experiments (post-anthesis drought stress and normal conditions). The experiments were arranged in a randomized complete block design with three replications in two successive growing seasons (2007/2008 and 2008/2009). The results showed that yields in the normal conditions were positively correlated with yields in the stress conditions. Several genotypes with good performance under both conditions were identified. Correlation analysis indicated that the most suitable drought tolerance criteria for screening substitution genotypes were mean productivity (MP), geometric mean productivity (GMP) and stress tolerance index (STI) (Group A genotypes) and when the stress was severe, stress susceptibility index (SSI) was found to be more useful index in discriminating resistant genotypes. Based on different drought indices, genotypes G4, G14 and G9 had the best ranking. In addition bi-plot and cluster analysis cleared superiority of these three genotypes in both seasons.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,251
Écart entre enseignants0,212 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetGenetics and Plant BreedingTravaux en français237 207