Identifying Isoyield Environments for Field Pea Production
Notice bibliographique
Résumé
Cultivars are often recommended to producers based on their averaged yields across sites within a geographic region. However, this geography‐based approach gives little regard to the fact that not all sites in a given region have the same level of production capacity. The objective of this paper was to describe a performance‐based approach to identifying groups of sites with similar yielding ability (i.e., isoyield groups), but not necessarily contiguous, and its use for analyzing the yield data from field pea ( Pisum sativum L.) cultivar trials conducted across the Province of Alberta, Canada, from 1997 to 2001. Of 34 sites tested during the 5 yr, 11 were in 1997, 20 in 1998 and 2000, 22 in 1999, and 21 in 2001. The consecutive use of regression analysis and cluster analysis allowed for classification of test sites in individual years into different isoyield groups: six in 1997; 10 in 1998, 2000, and 2001; and 12 in 1999. However, the most meaningful isoyield groups were those based on the data across the 5 yr through a normalization procedure developed for averaging the multiyear unbalanced data. The use of such averages significantly lessens the impact of random year‐to‐year variation on the sites, resulting in only seven isoyield groups for the 34 test sites. The identification of isoyield environments (i) facilitates choosing appropriate cultivars for specific environments and (ii) provides a basis for scaling down the cultivar testing program in Alberta.
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 ».