MétaCan
Menu
Retour à la cohorte
Enregistrement W2279890379 · doi:10.5539/jas.v8n3p106

Determination of General and Specific Combining Ability of Five Upland Cotton Cultivars

2016· article· en· W2279890379 sur OpenAlexvenueno aff
Habib Rehman Lakho, Ayaz Ali Soomro, Muhammad Abdul Rehman Rashid, Shabana Memon

Notice bibliographique

RevueJournal of Agricultural Science · 2016
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueResearch in Cotton Cultivation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDiallel crossHybridRandomized block designCultivarBiologyMating designHorticultureAgronomyMathematics

Résumé

récupéré en direct d'OpenAlex

The present investigation was aimed to determine the general combining ability of the parental lines and specific combining ability of the hybrids respectively and also heterotic effect of F1 hybrids for some agro-economical traits in upland cotton. Five parent genotypes viz. NIAB-78, Chandi-95, Haridost, CRIS-134 and Shahbaz were used to generate ten F1 hybrids through diallel mating design. The seeds of F1 hybrids along with their parents were sown in Randomized Complete Block Design (RCBD) in three replications during 2009-10. All the traits showed highly significant variation and GCA and SCA variances were also significant for all the parameters studied. Among the parents, NIAB-78, Haridost and CRIS-134 were best general combiners for plant height, sympodial branches per plant, bolls per plant, boll weight, seed cotton yield per plant, GOT% and seed index. Cross NIAB-78×Chandi-95 was best specific combiner for plant height and bolls per plant and CRIS-134×Haridost for sympodial branches per plant. However, the hybrid Chandi-95×CRIS-134 proved best specific combiner for seed cotton yield per plant and GOT%, while NIAB-78×CRIS-134 gave maximum SCA effects for seed index.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,280
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetResearch in Cotton CultivationTravaux en français237 207