Genotypic Yield Stability of Wild and Landrace Sorghum Species Under Drought Stress and Striga Infestation
Notice bibliographique
Résumé
Recurring drought stress cycles and widespread striga (Striga hermonthica (Del.) Benth) infestations are two of the major constraints of sorghum production in sub-Saharan Africa (SSA) where they cause a crop loss of about 60 billion US dollars and affect a population of about 100 M people annually. Plant breeders continue to employ conventional and molecular crop breeding strategies in the search for durable genetic resistance/tolerance mechanisms or for germplasm with genes against these two constraints. Crop wild relatives and landraces remain valuable resources of resistance/tolerance genes and have been utilized in the past to improve tolerance to drought stress and resistance to striga. The aim of this study was to assess the stability of performance of 64 sorghum wild relatives, landraces and progenies from some generation of crosses under striga infested and drought stress conditions in agroecological environments endemic for these two stresses. The performance of the genotypes under drought stress was assessed in well-watered and in water stressed conditions at the Kenya Agricultural Livestock Research Organization (KALRO) Kiboko Research Centre whereas the same set was evaluated under striga artificially infested field and potted trials at the KALRO Alupe Research Centre during 2018/2019 rainy seasons. Genotypes, B35 × ICSV III N, Macia, N13, ICSV 111 IN, F6YQ212 × B35, SRN39, GENO47293, ICSV 111 IN × B35, IS9830, Framida, GENO 45827, F6YQ212, B35 × AKUOR ACHOT were found to maintain stable high yields in both striga and drought conditions. The results here, showed that Genotype, Genotype × Environment (GGE) interaction partitioned genotypes in two of the four mega-environments according to their stability and mean grain yield (GY) and identified representative genotypes of the two traits that could be exploited to develop superior sorghum varieties adapted to drought and striga prone environments.
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 | 0,000 | 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) | 0,001 | 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 ».