Additive Main Effects and Multiplicative Interaction and Genotype Main Effect and Genotype by Environment Interaction Effects-Biplot Analysis of Sorghum Grain Yield in Uganda
Notice bibliographique
Résumé
Genotype-by-environment interaction analysis is vital for cultivar release, and to identify suitable crop production sites. The current study aimed to determine sorghum grain yield stability and adaptability and to identify the most informative and representative environments for sorghum grain yield performance in Uganda. Sorghum grain yield data of eight (08) genotypes; ICSR 160, IS8193, IESV92043DL, IESV92172DL, GE17/1/2013A, GE35/1/2013A, SESO1, and SESO3 tested across eight (08) major sorghum production area in Uganda for two consecutive seasons of 2017 using randomised complete block design with 2 replications were analysed via Additive Main effects and Multiplicative Interaction (AMMI) and Genotype Main Effect and Genotype by Environment interaction effects (GGE) using PB tools. Genotype IESV92043DL was the ideal genotype in the entire test environments with mean grain yield of 2783 kg ha-1 however genotype ICSR 160 had the highest grain yield of 2823 kg ha-1 across all the test environment. On the other hand, GE17/1/2013A was the most stable and adapted genotype across all the test environment. Of the eight (08) environments tested, biplot analysis precisely grouped the test environments into two presumed mega-environments with the best genotype being IS8193 and ICSR 160. Out of eight (08) trial sites, two (02) environments; Abi and Mayuge were the most representative and informative environment for sorghum grain yield performance in Uganda.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».