Selection of Elephant-Grass Genotypes for Forage Production
Notice bibliographique
Résumé
The objective of this study was to evaluate the agronomic traits of 80 accessions of elephant grass under the soil and weather conditions of Campos dos Goytacazes/RJ, Brazil. The experimental design was set as randomized blocks with 2 replicates. The experiment continued from March 2012 to May 2013, with 5 harvests made in the dry and rainy seasons. The following traits were assessed: percentage of dry matter (%DM), dry matter yield (DMY), number of tillers per meter (NT), plant height (HGT), stem diameter (SD), leaf blade width (LBW) and leaf blade length (LBL). Data from each harvest were subjected to analysis of variance and to the Scott-Knott test (P < 0.05). Tocher’s optimization method, Mahalanobis distance, and canonical variables were utilized for the multiple traits, and the importance of the characters in the canonical variables. Genotypes with high yield were Elefante da Colômbia, Taiwan A-25, Albano, Hib. Gigante da Colômbia, Elefante de Pinda, Taiwan A-121, P241 Piracicaba, Guaçu/I.Z.2, CPAC, EMPASC 309, EMPASC 307, Australiano, and Pasto Panamá. Stem diameter (rainy season) and LBW (dry season) were the most important variables to differentiate between genotypes. There was wide phenotypic variation between genotypes, which could be divided into 15 groups by Tocher’s optimization method.
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 | 0,001 | 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) | 0,001 | 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 ».