Agronomic Performance of Passion Fruit Genotypes in the Federal District, Brazil
Notice bibliographique
Résumé
Brazil stands out as the largest producer and consumer of passion fruit in the world. However, this fruit specie still faces some production problems such as lack of genetic materials with high yield, disease resistance and fruit quality, due mainly to the lack of research work in the breeding area. In order to contribute to the development of new passion fruit cultivars, this study aimed to evaluate the agronomic performance of passion fruit genotypes in the Federal District, Brazil, as well as to estimate genetic parameters for use in breeding programs. The experiment was carried out with 48 genotypes, in a simple layout (arrangement) of randomized block, with four replications and six plants per plot. The following characteristics were evaluated during fifty-four crops: fruit yield (kg/ha), number of fruit per hectare, average fruit weight (g) and sorting fruit on the equatorial diameter (mm) in five categories (1st, 1B, 1A, 2A and 3A). Higher fruit yields and number were observed in the genotypes MAR 20 # 41, MAR 20#41 pl 1, Gigante Amarelo pl 1 and MAR 20 # 39. Consdering fruits of 1st, genotype MAR 20 # 39 pl 2 produced the highest number of fruits per hectare. High values of heritability and CVg/Cve ratio were observed for total number of fruits per hectare in the first classification.
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 | 0,000 |
| 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) | 0,001 | 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 ».