Screening Optimal Oat Varieties for Cultivation in Arid Areas in China: A Comprehensive Evaluation of Agronomic Traits
Notice bibliographique
Résumé
This study was undertaken to identify oat (Avena sativa L.) varieties optimal for cultivation in the Jiuquan region, China, in 2021. A selection of 27 domestic and international oat varieties were analyzed, considering ten key agronomic traits, including plant height, stem diameter, spike length, leaf width, and yield. Employing methods such as cluster analysis, principal component analysis, and grey correlation degree, a comprehensive evaluation was conducted. The principal component analysis distilled the ten indicators to three core components. The most influential factors in the first principal component were plant height, ear length, and hay yield, while leaf length and leaf area index were the highest contributors to the second component. The stem-to-leaf ratio emerged as the principal indicator in the third component. The cluster analysis resulted in the classification of the 27 oat varieties into 3 categories. Following a comprehensive evaluation through the grey correlation degree and principal component analysis methodologies, we found that the oat varieties Sweety 1, Fuyan 1, Dingyan 2, Baler, Quebec, and Longyan 2 received the highest scores. These varieties, hence, appear to be the most suitable for cultivation and promotion in the Jiuquan region. This study thus provides invaluable insights into oat cultivation practices, offering guidance for farmers, agricultural policymakers, and future research in the field.
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 | 0,001 | 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 | 0,000 | 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 ».