Correlation and Path Coefficient Analysis for Seed Yield and Agronomic Traits of Newly Introduced Pigeon Pea Genotypes in South Africa
Notice bibliographique
Résumé
Pigeon pea is an important source of protein for smallholder farmers in South Africa. The average seed yield per hectare ranges from 0.5 to 1 tonne due to the use of un-improved varieties that succumb to both biotic and abiotic stresses. Understanding the relationship between seed yield and agronomic traits in a genetically diverse germplasm collection is a prerequisite for developing an efficient selection and breeding program. This study determined the relationship between seed yield and agronomic traits to identify key traits for selection. Two separate experiments involving seven short and six medium duration pigeon pea genotypes were planted in a randomized complete block design (RCBD), each with three replications. Agronomic traits, including yield and its components’ genotype mean data was subjected to correlation, path coefficient and stepwise regression analyses. The results showed a strong positive and significant correlation between number of pods per plant and seed yield in both medium and short duration genotypes. The number of pods per plant had a high direct effect on seed yield in both medium and short duration with values of (0.43) and (0.63) respectively. Number of branches and pod length exhibited high direct effect (0.30-0.99) for medium duration. However, seed yield per plant was an important predictor of seed yield in short duration while seed yield per plant, 100 seed weight and number of seeds per pod were key predictors of seed yield in medium duration genotypes. Therefore, these traits should be targeted for seed yield improvement in Pigeon pea.
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 | 0,001 |
| 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 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 ».