MétaCan
Menu
Retour à la cohorte
Enregistrement W4283730179 · doi:10.32417/1997-4868-2022-221-06-16-26

The importance of a comprehensive assessment of breeding indices and stress resistance parameters of winter rye varieties

2022· article· en· W4283730179 sur OpenAlexaboutno aff
Irina Safonova, Н. И. Аниськов

Notice bibliographique

RevueAgrarian Bulletin of the · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Productivity and Crop Improvement
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIndex (typography)MathematicsIndex selectionResistance (ecology)Grain yieldProductivityYield (engineering)Selection (genetic algorithm)Rank (graph theory)Genetic resourcesAgronomyBiologyStatisticsBiotechnologyPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract. Among grain crops, winter rye is one of the most popular crops, well adapted to the conditions of the North-West. Currently, most breeders use various selection indices in conjunction with the definition of stress resistance. Purpose. The aim is to study the collection samples of winter rye by yield and elements of the productivity structure and to identify the most adaptive for breeding in the conditions of the North-Western region. Methods. The experimental part was carried out at the VIR pilot site during 2018-2021 located in the North-Western region. The following were determined: Mexican index (Mx), Canadian index (Ki), linear ear density index (LPC), plant productivity index (IPR), Finnish-Scandinavian index (FSj), prospects index (J.P), index of the ratio of the mass of 1000 grains to the number of grains in the ear (j). The calculation of stress resistance parameters was carried out using the following indicators: stress resistance (Ymin- Y max), genetic flexibility (Ymin+Ymax)/2, stability of the variety (Ymin/Ymax), stress resistance coefficient (Kst.) was determined by A.A. Bykov. Results. The best conditions for the formation of yields were in 2020 and 2021 (Ij = +2.03; +1.8). In 2018 and 2019 – unfavorable (Ij = -1.3; -2.5). The maximum yield was obtained in 2020 in diploid rye varieties: Ophelia (10.3 t/ha) and Yaselda (9.0 t/ha), in tetraploid varieties Siberia 4. The results of these studies showed that the greatest advantage have variety: Siberia (Ʃ rank= 41), Eureka (Ʃ rank=55), ilmenite (Ʃ rank= 55), Ophelia (Ʃ rank=56), Siberia 4 (Ʃ rank= 58), Verisim (Ʃ rank= 59). Scientific novelty lies in the study of 12 varieties – seven diploids and five tetraploid winter rye. Thanks to the evaluation of varieties, they are divided according to the reaction of varieties to the environmental condition, stress-resistant and non-resistant.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,665
Score d'incertitude au seuil0,200

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,209
Écart entre enseignants0,193 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgrarian Bulletin of theMême sujetAgricultural Productivity and Crop ImprovementTravaux en français237 207