Cluster analysis in rapeseed (Brassica napus L.)
Notice bibliographique
Résumé
Many oilseed crops (e.g. sunflower, soybeans, rapeseed/mustard, sesame, groundnuts etc) are grown in Kenya. But oilseed rape is preferred because of its high yields (1.5 tons – 4.0 tons/ha) with high oil content of 42 – 46%. It is soft seeded hence oil extraction is relatively easy. The meal is high in protein and very useful in livestock feed supplementation. The success of any crop improvement programme depends on the extent of genetic diversity in the material. Hence, it is essential to evaluate introductions for adaptation and study the similarities if any among them. Evaluation trials were carried out on 17 rapeseed genotypes (nine of Canadian origin and eight of European origin) at 4 locations in Kenya namely Endebess, Njoro, Timau and Mau Narok for two years. An analysis of variance was carried out on seed yields which indicated that the genotypes were significantly different (LSD, 0.05). Cluster analysis based on mean seed yields suggested only one major group existed within the material. In the first year, genotypes 2, 3, 8 and 9 didn’t group with the rest. Genotype 8 was the only one that did not classify with the rest of the Canadian genotypes. Three European genotypes (2, 3 and 9) were however not classified with the others. In the second year, genotypes 10 and 6 didn’t fall in the major cluster. Of these two, genotype 10 is of Canadian origin. Genotypes were more similar in the second year than the first year due to favorable weather. It is evident that genotypes from different geographical areas, that is, Europe and Canada fell in the same clusters suggesting that they have genetic similarity.The groupings indicated no correspondence between geographical diversity and clustering pattern. Key words: Genetic diversity, cluster analysis, genetic similarity and cluster pattern.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».