Genotype × Environment Interaction and Stability Analysis for Watermelon Fruit Yield in the United States
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
One of the major breeding objectives for watermelon ( Citrullus lanatus [Thumb.] Matsum & Nakai) is improved fruit yield. High yielding genotypes have been identified, so we measured their stability for fruit yield and yield components over diverse environments. The objectives of this study were to (i) evaluate the yield of watermelon genotypes over years and locations, (ii) identify genotypes with high stability for yield, and (iii) measure the correlations among univariate and multivariate stability statistics. A diverse set of 40 genotypes was evaluated over 3 yr (2009, 2010, and 2011) and eight locations across the southern United States in replicated trials. Yield traits were evaluated over multiple harvests, and measured as marketable yield, fruit count, percentage cull fruit, percentage early fruit, and fruit size. There were strong effects of environment as well as genotype × environment interaction (G×E) on watermelon yield traits. Based on multiple stability measures, genotypes were classified as stable or unstable for yield. There was an advantage of hybrids over inbreds for yield components in both performance and responsiveness to favorable environments. Cultivars Big Crimson and Legacy are inbred lines with high yield and stability. A significant ( P < 0.001) and positive correlation was measured for Shukla's stability variance (σ i 2 ), Shukla's squared hat ( ŝ i 2 ), Wricke's ecovalence ( W i ), and deviation from regression ( S 2 d ) for all the traits evaluated in this study.
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 | 0,001 | 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