Exploring the trait‐yield association patterns in different oat mega‐environments of Canada
Notice bibliographique
Résumé
Abstract This article presents a graphical method to visually analyze the trait–yield association (TYA) patterns based on data from multi‐location, multi‐year crop variety trials, exemplified using oat data from trials conducted across Canada from 2017 to 2022. Each year a new set of 60–66 oat ( Avena sativa L.) breeding lines were tested in replicated yield trials at 9–11 locations, and data for yield, key agronomic and quality traits, and crown rust scores were collected at all or some of the locations. Pearson correlation coefficient was calculated between yield and each trait for each trial. The correlation coefficients from different locations and years were arranged in a TYA × trial (TYT) two‐way table. This table was subjected to singular value decomposition, and the resulting first two principal components were used to generate a TYT biplot. The TYT biplot revealed three oat mega‐environments (MEs) in Canada, consistent with the conclusion from previous ME analyses, indicating that each ME had its characteristic TYA patterns. It was found that yield was consistently and positively correlated with crown rust ( Puccinia coronata var. avenae ) resistance, test weight, kernel weight, and groat content in ME1 (the crown rust‐prone regions of Ontario); yield was correlated positively with plant height but negatively with oil content in ME2 (the northern regions of eastern Canada). Interestingly, crown rust resistance was found to contribute negatively to yield in ME2. No strong and consistent TYAs were found in ME3 (the Canadian prairies). Different types of TYAs have different uses in genotypic selection.
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 | 0,000 | 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) | 0,000 | 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 ».