GGE-Biplot Analysis of Multi-Environment Yield Trials of Common Bean (Phaseolus vulgaris L.) in the southern Ethiopia
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
The present study was conducted on thirty-six common beans (Phaseolus vulgaris L.) Genotypes across six contrasting environments defined for its different soil fertility status and located at the southern Ethiopia. The genotypes were arranged in 6 x 6 triple lattice design and executed for two successive main cropping seasons with the objectives to evaluate yield performance of common bean genotypes and identification of mega environments. GGE (i.e., G = genotype and GE = genotype by environment, interaction) bi-plot methodology was used for graphical presentation of yield data after subjecting the genotypic means of each environment to GGE Bi-plot software. The first two principal components (AXIS 1 and AXIS2) were used to display a two-dimensional GGE bi-plot. Thus, genotypic AXIS1 scores >0 classified the high yielding genotypes while AXIS2 scores <0 identified low yielding genotypes. Unlike genotypic AXIS1, genotypic AXIS2, scores near zero showed stable genotypes whereas large AXIS2 scores classified the unstable ones. The environmental AXIS1 were related to crossover nature of GEI while AXIS2 scores were associated with non-cross over GEI. The six test environments in the southern region were divided in to two distinct mega environments (Mega-1 and 2). Mega-1 constituted GOHF13, ARMF12 and ARLF13 while genotype 14 (SCR10) being the best winner, on the other hand, Mega-2 contained GOHF12 and while common bean genotype 20(SCR17) being the best winner. The results of this study indicated that breeding for specific adaptation should be taken as a breeding strategy in southern region to exploit positive GEI to increase production and productivity of common bean.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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