Selection-valuable barley samples of the VIR collection in terms of adaptability, productivity and grain quality
Notice bibliographique
Résumé
The purpose of the research is to identify promising samples of spring barley from the VIR collection in terms of yield, parameters of the adaptive capacity of individual productivity elements and grain quality for use in creating a new breeding material adapted to the extreme conditions of Eastern Siberia. When studying the VIR collection in the conditions of Eastern Siberia for the first time, barley samples were identified according to the parameters of the adaptive ability of individual elements of productivity and yield, grain quality indicators, which are involved in crosses with local varieties. With the participation of these samples, 100 hybrid combinations were created. The studies were carried out in 2014-2017 on the experimental field of the Krasnoyarsk Research Institute of Agriculture, located in Eastern Siberia on ordinary low-power black soils, according to generally accepted methods. Agrometeorological conditions during the years of research were contrasting. It has been established that the highest grain productivity was formed by the variety Abalak (Krasnoyarsk Territory, Tyumen Region), Vaughn C.I. 11367 (k-17835, USA), Kindred (k-18048, USA), Codac (k-30874, Canada), Etienne (k-30875, Canada), Diamond (k-29192, Canada), AC Albright (k- 30601, Canada), Ubagan (k-30776, Chelyabinsk region.), Bagrets (k-30988, Sverdlovsk region), Talan (k-46502) and Tanay (Novosibirsk region), Abalak (Krasnoyarsk Territory, Tyumen region), AC Albright (k-30601, Canada), Cirstin (k- 29988, Germany), Talan (k-46502, Novosibirskaya region), Tarsky 3 (k-30719, Omsk region). In the selection of varieties of an intensive type, samples of North America, Scandinavia, Germany, Ukraine, Belarus, Kazakhstan and some regions of Russia were of interest. To increase the amount of protein in grain during crop farming, samples from Germany, Yugoslavia, Dagestan, Altai Territory and Chelyabinsk Region had an advantage. Some samples from Canada, Chelyabinsk, Novosibirsk and Altai Regions were identified based on the gross collection of protein per unit area. Samples from Canada, Finland, Sweden, as well as Novosibirsk and Omsk Regions were characterized by high grain quality.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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 | 0,001 |
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 ».