Evaluation of foreign remontant raspberry cultivars for production and breeding
Notice bibliographique
Résumé
The over 100 remontant raspberry cultivars worldwide continue to variegate, with breeding mostly successful in the USA, Canada, Great Britain, Poland, Switzerland, the Netherlands and Russia. In most native climates of Russia, foreign varieties unluckily do not realise their biological potential to not attain the originator-declared character. The research aimed at a comprehensive study of introduced remontant raspberry cultivars to clarify the prospects of their production and breeding. The study was being conducted over 2018-2020 on the genetic raspberry collection plot of the All-Russian Horticultural Institute for Breeding, Agrotechnology and Nursery’s Kokino base station (Bryansk Region). Research focused on ten foreign remontant raspberry cultivars. The late-maturing Atlant variety of the state-permitted crop catalogue served a control. Research followed the generally accepted protocols. Statistical experimental data analyses were accomplished with Microsoft Excel. Phenotypic evaluation of the introduced remontant raspberry cultivars by plant morphology revealed their Middle Russia-specific traits of growth and development. The greatest yield surface (238-316 cm) was observed in Joan J, Imara, Himbo Top and Carolina foreign cultivars. The remontant varieties studied were found to distinguish by late maturity and low yield (2.9-6.1 t/ha), thusly being off-focus to industrial horticulture. Imara, Erika, Sugana, Joan J, Carolina and Himbo Top leading with a 5.0-6.1 t/ha yield can be recommended in home gardening. Selected foreign cultivars deserve attention as a genetic resource in breeding for larger fruit size (Poranna Rosa, Driscoll Maravilla, Sugana), higher soluble solid content (Kweli, Karolina, Kwanza), fruit strength (Kwanza, Driscoll Maravilla), optimal fruit detachment force (Himbo Top, Joan J, Imara, Kwanza) and compact bush habitus (Poranna Rosa).
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 | 0,001 | 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) | 0,000 | 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 ».