Study of soft wheat varieties in the southern part of the Volga-Vyatka region
Notice bibliographique
Résumé
The article provides the results of studying the varieties of spring soft wheat (Triticum aestivum L.) of various ecological and geographical groups in the conditions of the Chuvash Republic for 2016-2019. The objects of the study were presentedby 72 varieties and variety samples of spring soft wheat of Russian and foreign selection (Belarus, Canada, USA, Kazakhstan,Germany, Poland, Ukraine and Australia). The Simbircit variety zoned in the Volga-Vyatka region (Russia) was used asstandard. Low adaptability of most of the studied varieties to the soil and climate conditions of the region due to the strongvariability of yield was established. Two Russian varieties Arhat and Icarus with a relatively high coefficient of adaptability(0.71-0.72) exceeded the standard variety in yield by 0.68 and 0.67 t/ha or 18.2 and 18.0 %, respectively. By productive bushiness (53.8-61.5 % higher than the standard), Binni (Australia), Mercana and Omskaya 41 (Russia) were distinguished; byplant height (10.6-14.7 %) – Ekada 113, Mercana and Yulia (Russia); by ear length (13.4-22.0 %) – Mutant ostistyj (Belarus),Raduga and Mis (Russia); by the number of grains in the ear (25.3-34.3 %) – Icar, Ekaterina and Agata (Russia); by weightof grains in the ear (14.8 %) – Arhat and Ekada 113 (Russia); by weight of 1000 grains (4.5 % higher than the standard) –Margarita (Russia). Twelve varieties with strong relation between yield and elements of productivity (R ˃ 0.7) have been selected.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».