Developing high-quality value-added cereals for organic systems in the US Upper Midwest: hard red winter wheat (Triticum aestivum L.) breeding
Notice bibliographique
Résumé
There is an increased demand for food-grade grains grown sustainably. Hard red winter wheat has comparative advantages for organic farm rotations due to fall soil cover, weed competition, and grain yields. However, limitations of currently available cultivars such as poor disease resistance, winter hardiness, and baking quality, challenges its adoption and use. Our goal was to develop a participatory hard red winter wheat breeding program for the US Upper Midwest involving farmers, millers, and bakers. Specifically, our goals include (1) an evaluation of genotype-by-environment interaction (GEI) and genotypic stability for both agronomic and quality traits, and (2) the development of on-farm trials as well as baking and sensory evaluations of genotypes to include farmers, millers, and bakers' perspectives in the breeding process. Selection in early generations for diseases and protein content was followed by multi-environment evaluations for agronomic, disease, and quality traits in three locations during five years, on-farm evaluations, baking trials, and sensory evaluations. GEI was substantial for most traits, but no repeatable environmental conditions were significant contributors to GEI making selection for stability a critical trait. Breeding lines had similar performance in on-station and on-farm trials compared to commercial checks, but some breeding lines were more stable than the checks for agronomic, quality traits, and baking performance. These results suggest that stable lines can be developed using a participatory breeding approach under organic management. Crop improvement explicitly targeting sustainable agriculture practices for selection with farm to table participatory perspectives are critical to achieve long-term sustainable crop production. KEY MESSAGE: We describe a hard red winter wheat breeding program focused on developing genotypes adapted to organic systems in the US Upper Midwest for high-end artisan baking quality using participatory approaches.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».