Understanding photothermal interactions will help expand production range and increase genetic diversity of lentil ( <i>Lens culinaris</i> Medik.)
Notice bibliographique
Résumé
Summary Lentil ( Lens culinaris Medik.) is cultivated under a wide range of environmental conditions, which led to diverse phenological adaptations and resulted in a decrease in genetic variability within breeding programs due to reluctance in using genotypes from other environments. We phenotyped 324 genotypes across nine locations over three years to assess their phenological response to the environment of major lentil production regions and to predict days from sowing to flowering (DTF) using a photothermal model. DTF was highly influenced by the environment and is sufficient to explain adaptation. We were able to predict DTF reliably in most environments using a simple photothermal model, however, in certain site-years, results suggest there may be additional environmental factors at play. Hierarchical clustering of principal components revealed the presence of eight groups based on the responses of DTF to contrasting environments. These groups are associated with the coefficients of the photothermal model and revealed differences in temperature and photoperiod sensitivity. Expanding genetic diversity is critical to the success of a breeding program; understanding adaptation will facilitate the use of exotic germplasm. Future climate change scenarios will result in increase temperature and/or shifts in production areas, we can use the photothermal model to identify genotypes most likely to succeed in these new environments.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
| 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 ».