The results of study of collection samples of spring soft wheat in the Middle Volga Region
Notice bibliographique
Résumé
During the research, there were studied 186 varieties of spring soft wheat of different ecological and geographical origin to develop valuable initial material for new varieties in the conditions of Middle Volga. The studies were carried out in accordance with the methodic recommendations of VIR. According to the duration of the growing season, the samples were divided into three groups: early ripening – 29.4 %, mid-ripening – 45.0 % and mid-late-ripening – 25.6 %. The largest number of high-yielding varieties belongs to the mid-ripening group. Five groups are distinguished according to plant height: above 120 cm – tall, 120-105 cm – medium-grown, 104-85 cm – undersized, 84-60 cm – semi-dwarfs, less than 60 cm – dwarfs. A group of semi-dwarfs showed high resistance to lodging. The yield of productive genotypes in this group is 192-210 g/m 2 . The analysis of the elements of the yield structure showed the varieties that exceeded the standard in the number of grains in the ear (32.8 pcs.): Annet (38.2 pcs.), Baganskaya 95 (36.5 pcs.), Riks (37.7 pcs.), Lubninka (36.8 pcs.), (Russia, West Siberian Region), Biryusa (37.2 pcs.) (Russia, East Siberian Region), by grain weight per ear – Russian varieties from East Siberian, West Siberian and Lower Volga Regions (0.96-1.52 g), and varieties of foreign selection from North America (0.89-1.64 г). According to the yield the following varieties significantly exceeded the standard variety Kinelskaya Niva (310 g/m 2 ) by 30-54 g/m 2 (LSD 05 = 22.5 g/m 2 ): Russian varieties Annet, Baganskaya 95, Lavrusha, Tarskaya 10, Pamyati Maistrenko, Omskaya 39, Duet (West Siberian region), Voevoda (Lower Volga region) and Uyarochka (East Siberian region), foreign varieties Aktyube 10 (Kazakhstan) and Granit (Canada). The varieties with complex resistance to the main types of leaf diseases (leaf rust and powdery mildew) have been identified: Norwell, Granit, Dandy, CDC Merlin (Kanada), Lavrusha, Tarskaya 10 (West Siberian Region), Tybalt (Netherlands), Voevoda (Lower Volga Region), Etyud (Ukraine). The identified varieties were used as parental forms in crosses.
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 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».