ИСХОДНЫЙ МАТЕРИАЛ ДЛЯ СЕЛЕКЦИИ СОРТОВ ЯРОВОЙ МЯГКОЙ ПШЕНИЦЫ В УСЛОВИЯХ КИРОВСКОЙ ОБЛАСТИ
Notice bibliographique
Résumé
The paper demonstrates the research results on 237 varieties of soft spring wheat in Kirov region compared with highly-productive mid-ripening Simbircite. The author observed variety variation on vegetation period within 75-87 days, crop yield - 10.5 - 53.8 c/ha, plant height - 58-119 sm, productive tilling capacity - 1.0 - 2.7 stalk, mass of 1000 grains - 25.9 - 52.2 g, protein concentration - 7.6 - 18.3 % and fibrin concentration - 13.9 - 49.1 %. The article reveals varieties’ genotypic differentiation in dependence on their ecological and geographical origin. The varieties of the North-Western region differed in the length and grain content, the varieties of the Central region were characterized by high stalks, low bushiness, big head, high protein and fibrin concentration. The varieties of Volga selection can be applied as sources of grain quality, drought resistance and head productivity. The varieties of Western-Siberian region are highly productive, resistant to stress and adaptive; they form sufficient biomass due to their high bushiness and plants’ height. The varieties of Eastern-Siberian region are considered to be significant for investigation due to their being the sources of high crop yield and ripening. The researcher has explored 103 foreign varieties and has highlighted 56 valuable varieties. The varieties from Ukraine can serve as the sources of ripening and grain quality; the varieties from Kazakhstan show drought resistance, high protein concentration and productivity; Germany- high grains; Canada - high protein concentration and the fibrin of good quality. Varieties from China, Syria, Algeria, Tunisia, Mexico and India are low adaptive to the conditions of the Volga-Vyatka region, but their grain is of high quality and can be recommended to be used in the reciprocal cross and saturate crossing.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,003 |
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 ».