Selection Efficiency across Environments in Improvement of Barley Yield for Moderately Low Nitrogen Environments
Notice bibliographique
Résumé
Developing barley ( Hordeum vulgare L) cultivars suitable for low‐N conditions is important for sustainable production. In breeding for low‐N environments, it must be decided whether a separate breeding program is necessary for this environment or if it can be performed as part of a multienvironmental testing and selection strategy. The objective of this study was to determine the efficiency of indirect selection based on performance under the traditional multiple high N environments versus direct selection under the low‐N conditions. Twelve experiments, each consisting of 18 to 25 barley genotypes, were conducted in five to eight environments including a low‐N environment in Alberta, Canada, from 2001 to 2006. The low‐N conditions used in this study simulated reduced N application as would be used to produce malting barley in western Canada, so the level of N‐stress imposed would be considered moderate. Genetic correlations between mean grain yield across multiple high N environments and the yield in the low‐N trial was positive and high, ranging from 0.83 to 1.00. The predicted correlated response in grain yield under low N to selection based on mean yields across multiple high‐N environments relative to the predicted response to direct selection in the low‐N environment ranged from 0.81 to 1.18. This implies that breeding for low‐N conditions relevant to malting barley cultivation in western Canada and similar circumstances can be performed as part of the selection strategy for broad adaptation.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».