Identification, selection and observation of Nuansa Sanggabuana soybean, its yield and resistance to diseases
Notice bibliographique
Résumé
Study to get Nuansa Sanggabuana (NS) of Karawang soybean variety to be released to become superior variety was conducted district of Karawang, West Java province, from 2010 to 2014. The study consisted of identification, purification and description, adaptation test. The identification step was conducted positive mass selection; purification was done a negative mass selection, adaptation yield test and also resistances to diseases. The test was arranged in randomized block design by comparing NS Karawang with Anjasmoro, Argomulyo, Orba, Grobogan, and Rajabasa which was repeated 4 times. Identification result had two NS Karawang local variants based on colour on the trunk, which were grey trunk fur and brown trunk fur. Variant which was purified for the next generation was one brown trunk fur. On-off type individual purification step was discarded and made description based on UPOV standard. Adaptation test result showed that differences between NS Karawang and Anjasmoro, Argomulyo, Orba, Grobogan, and Rajabasa variety on plant’s height, number of productive trunk, number of pod for each plant, weight of 100 grains, yield per plant, yield per unit, and yield per hectare. NS Karawang had higher yield than Anjasmoro, Argomulyo, Orba, and Rajabasa but lower yield than Grobogan.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».