MétaCan
Menu
Retour à la cohorte
Enregistrement W2914186786 · doi:10.5539/jps.v8n1p35

GGE-Biplot Analysis of Multi-Environment Yield Trials of Common Bean (Phaseolus vulgaris L.) in the southern Ethiopia

2019· article· en· W2914186786 sur OpenAlexvenueno aff
Yayis Rezene

Notice bibliographique

RevueJournal of Plant Studies · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGenetics and Plant Breeding
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhaseolusBiplotGenotypeBiologyPrincipal component analysisAmmiGene–environment interactionAgronomyVeterinary medicineBiotechnologyStatisticsMathematicsGeneticsMedicine

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,161
Tête enseignante GPT0,296
Écart entre enseignants0,135 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Plant StudiesMême sujetGenetics and Plant BreedingTravaux en français237 207