Genetic Improvement of U.S. Soybean in Maturity Groups II, III, and IV
Notice bibliographique
Résumé
ABSTRACT Soybean improvement via plant breeding has been critical for the success of the crop. The objective of this study was to quantify genetic change in yield and other traits that occurred during the past 80 yr of North American soybean breeding in Maturity Groups (MGs) II, III, and IV. Historic sets of 60 MG II, 59 MG III, and 49 MG IV soybean cultivars, released from 1923 to 2008, were evaluated in field trials conducted in 17 U.S. states and one Canadian province during 2010 to 2011. Averaged over 27 MG II and MG IV and 26 MG III site‐years of data, the estimated rates of yield improvement during the 80 yr were 23 kg ha –1 yr –1 for MGs II and III, and 20 kg ha –1 yr –1 for MG IV cultivars. However, a two‐segment linear regression model provided a better fit to the data and indicated that the average current rate of genetic yield gain across MGs is 29 kg ha –1 yr –1 . Modern cultivars yielded more than old cultivars in all environments, but particularly in high‐yielding environments. New cultivars in the historic sets used in this study are shorter in height, mature later, lodge less, and have seeds with less protein and greater oil concentration. Given that on‐farm soybean yields in the United States are also increasing at a rate of 29 kg ha –1 yr –1 , it can be inferred that continual release of greater‐yielding cultivars has been a substantive driver of the U.S. on‐farm realized yield increases.
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 | 0,000 |
| 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 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 ».