Genetic Improvement of U.S. Soybean in Maturity Groups II, III, and IV
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 découle