Characterizing genetically diverse blue grama [<i>Bouteloua gracilis</i> (Willd. ex Kunth) Lag. ex Griffiths] seed sources
Notice bibliographique
Résumé
The need for regionally adapted native grass seed sources for the northern Great Plains has resulted in the commercial release of a range of plant materials, including ecovars™ 1 . Ecovars™ are multisite composite populations developed to combine broad genetic diversity from a geographic region. The objective of this study was to determine whether morphological data could be used to distinguish between genetically diverse blue grama [Bouteloua gracilis (Willd. ex Kunth) Lag. ex Griffiths] seed sources through classical statistical methods. Entries included a Manitoba (MB) ecovar™, a USDA–NRCS released cultivar ‘Bad River’, and ecotypes from Wyoming and Minnesota. Vegetative and reproductive measurements and ratings were taken from a spaced-plant nursery during 2000–2001 in Carman, Manitoba, Canada. The results were analyzed using statistical techniques including: ANOVA, least significant difference, canonical discriminant analysis (CDA), and coefficients of variation. These techniques distinguished four genetically diverse seed sources from each other through CDA. As hypothesized, there was greater within-population genetic diversity for the MB ecovar™ and Wyoming and Minnesota ecotypes, compared with ‘Bad River’. Our results indicate that genetically diverse blue grama seed sources can be distinguished, based on phenotypic measurements.
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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».