Models of growing season weather impacts on breadmaking quality of spring wheat from producer fields in western Canada
Notice bibliographique
Résumé
Abstract BACKGROUND: The purpose of this study was to quantify growing season weather and wheat quality at individual producer fields to understand weather impacts and develop weather‐based models of spring wheat quality. RESULTS: Ninety‐six hard red spring wheat samples of two genotypes supplied by western Canadian producers in 2003 and 2004 underwent comprehensive analysis for breadmaking quality. For each individual field, daily rainfall, maximum and minimum air temperature were observed and used to calculate several measures of heat. Modeled water use, demand and stress were also calculated and all weather variables were accumulated over different phenological stages. Relationships between weather variables and wheat quality variables were determined by multivariate regression analysis separated into four steps, each adding more complex information into the models. There was substantial variation in weather conditions and wheat quality between years with generally higher quality and stronger dough in the warmer and drier year, 2003. The two genotypes displayed many differences in response to the environment. Prediction of wheat quality improved with increasing complexity of weather models and close to 50% of the variation in quality could be explained by multivariate models. CONCLUSIONS: Results showed that even for top‐grade milling wheat of similar protein content, significant differences exist in breadmaking quality of wheat from different farms. The improvement in r2 when using modeled environmental variables indicates that crop water use and water stress are important for wheat quality. The development of Canada Western Red Spring quality prediction models for western Canada based on growing season weather shows promise. Copyright © 2008 Society of Chemical Industry
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».