MétaCan
Menu
Retour à la cohorte
Enregistrement W3006447927 · doi:10.1016/j.fcr.2020.107742

Grain yield genetic gains and changes in physiological related traits for CIMMYT’s High Rainfall Wheat Screening Nursery tested across international environments

2020· article· en· W3006447927 sur OpenAlexaff
Guillermo Gerard, Leonardo Crespo‐Herrera, José Crossa, Suchismita Mondal, Velu Govindan, Philomin Juliana, Julio Huerta‐Espino, Mateo Vargas, Mandeep S. Rhandawa, Sridhar Bhavani, Hans J. Braun, Ravi P. Singh

Notice bibliographique

RevueField Crops Research · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWheat and Barley Genetics and Pathology
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesIndian Council of Agricultural ResearchBill and Melinda Gates Foundation
Mots-clésGenetic gainClimate changeFood securityYield (engineering)Grain yieldAgronomyBiologyAnimal scienceEnvironmental scienceGenetic variationBiotechnologyEcologyAgricultureGene

Résumé

récupéré en direct d'OpenAlex

The effects of climate change together with the projected future demand represents a huge challenge for wheat production systems worldwide. Wheat breeding can contribute to global food security through the creation of genotypes exhibiting stress tolerance and higher yield potential. The objectives of our study were to ( i ) estimate the annual grain yield (GY) genetic gain of High Rainfall Wheat Yield Trials (HRWYT) grown from 2007 (15th HRWYT) to 2016 (24th HRWYT) across international environments, and ( ii ) determine the changes in physiological traits associated with GY genetic improvement. The GY genetic gains were estimated as genetic progress per se (GYP) and in terms of local checks (GYLC). In total, 239 international locations were classified into two groups: high- and low-rainfall environments based on climate variables and trial management practices. In the high-rainfall environment, the annual genetic gains for GYP and GYLC were 3.8 and 1.17 % (160 and 65.1 kg ha −1 yr −1 ), respectively. In the low-rainfall environment, the genetic gains were 0.93 and 0.73 % (40 and 33.1 kg ha −1 yr −1 ), for GYP and GYLC respectively. The GY of the lines included in each nursery showed a significant phenotypic correlation between high- and low-rainfall environments in all the examined years and several of the five best performing lines were common in both environments. The GY progress was mainly associated with increased grain weight (R 2 = 0.35 p < 0.001), days to maturity (R 2 = 0.20, p < 0.001) and grain filling period (R 2 = 0.06, p < 0.05). These results indicate continuous GY genetic progress and yield stability in the HRWYT germplasm developed and distributed by CIMMYT.

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)0,001
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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,146
Tête enseignante GPT0,342
Écart entre enseignants0,196 · 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

Citations50
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueField Crops ResearchMême sujetWheat and Barley Genetics and PathologyTravaux en français237 207