Evaluation of the performance of sorghum genotypes using GGE biplot
Notice bibliographique
Résumé
Gasura, E., Setimela, P. S. and Souta, C. M. 2015. Evaluation of the performance of sorghum genotypes using GGE biplot. Can. J. Plant Sci. 95: 1205–1214. In spite of sorghum's drought tolerance, it is largely affected by genotype×environment interaction (GE), making it difficult and expensive to select and recommend new sorghum genotypes for different environments. The objectives of this study were to examine the nature of GE for sorghum grain yield, to identify superior sorghum genotypes for sorghum production environments and determine ideal testing locations for future breeding activities in Zimbabwe. The grain yield of 20 sorghum genotypes from Seed Co. Pvt. Ltd. were evaluated for 2 yr (2011/2012 and 2012/2013 cropping seasons) at five locations in different agro-ecological zones of Zimbabwe. Combined analyses of variance showed significant differences for genotypes (P<0.01), environments (P<0.001) and genotype×location (P<0.01). Genotype×environment variance component was seven times greater than that of genotypes. Genotype×environment interaction was attributed to the variability in the predictable biotic and abiotic factors associated with the different locations. The genotype main effect plus GE biplot showed that the experimental sorghum genotypes W07, W09, W05, G06 and OP46 were high yielding and stable, and possessed other desirable agronomic traits. The most discriminating and representative location was Rattray Arnold Research Station.
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 | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».