Comparative Analysis of Genotype x Environment Interaction Techniques in West African Okra, (Abelmoschus caillei, A. Chev Stevels)
Notice bibliographique
Résumé
West African okra occurs in wild and unselected variants in Nigeria but farmers desire stable and high-yielding cultivars. Twenty-five West African okra genotypes from diverse geographical backgrounds were evaluated in five different environments for stability of performance. Performance was measured by number of days to 50% flowering, number of pods per plants, number of seeds per pod, plant height at maturity and seed yield per plant. A regression method, Additive main effects and Multiplicative Interaction (AMMI) and Genotype main effect and genotype x environment Interaction (GGE) were employed in the evaluation. Joint regression and AMMI analyses showed significant (P< 0.01) G x E interaction with respect to seed yield, and both identified NGAE-96-0060 and NGAE-96-0063 as stable genotypes. The AMMI and GGE biplot analyses are more efficient than the Eberhart and Russell analysis. The GGE biplot explains higher proportions of the sum of squares of the GxE interaction and is more informative with regards to environments and cultivar performance than the AMMI analysis. GGE-biplot models showed that the five environments used for the study belonged to three mega-environments with environment 2 (Upland, 2007) being the most representative and most desirable of all. The GGE results also confirmed NGAE-96-0063 as being stable with NGAE-96-04 as the most stable. NGAE-96-04 was identified as most superior genotype in terms of yield and stability of performance and could be recommended for cultivation.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».