Pre-harvest Sprouting Tolerance of Triticale Genotypes in Brazil
Notice bibliographique
Résumé
Pre-harvest sprouting (PHS) represents one of the main factors, which causes yield, technological and physiological losses in triticale seeds (X Triticosecale Wittmack). This work aimed to rate the variability and identify potential pre-harvest sprouting tolerant sources in triticale genotypes. Based on that, 32 triticale and three wheat genotypes were sown in 2016, 2017 and 2018 growing seasons, in Londrina-PR, Brazil. After the ears harvesting, these were submitted to simulate raining, for sprouting induction, through nebulization in a greenhouse. After nebulization, ears were sun dried, later hand threshed to determain, grain germination percentage (GERM) and hectoliter weight (HW). Additionally, it was determined grains HW of ears, whom were not submitted to nebulization, as well as the whole meal flour falling number (FN). The experiment design was completely randomized design, with two replications, and the experimental unit was made of 20 ears. The data collected were subjected to analysis of variance (ANOVA) and Scott-Knott test. Frontana, ND 674 and Quartzo are a source of tolerance to PHS in wheat. In triticale genotypes, genetic variability was observed for GERM, FN, and HW prior and after nebulization. The triticale genotypes BRS Netuno, BRS Saturno, TCL 15116, X 092181, Tiguera 1 and Tiguera 8, where tolerant towards PHS.
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) | 0,001 | 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 ».