Evaluating effectiveness of clonal plant selection of alfalfa (<scp><i>Medicago sativa</i></scp> L.) and sainfoin (<scp><i>Onobrychis viciifolia</i></scp> Scop.) in mixtures: Mean performance and stability in a multi‐environment trial
Notice bibliographique
Résumé
Abstract Alfalfa (Medicago sativa L.) ‐ grass or alfalfa ‐ sainfoin (Onobrychis viciifolia Scop.) mixtures are commonly used for pastures in western Canada because of their high forage quality and their low risk of causing frothy bloat in grazing animals. However, the proportion of these two legumes declines in mixed forage stands over time. The objective of this study was to evaluate the effectiveness of selecting superior genotypes from clonally propagated alfalfa or sainfoin under plant competition in different growth environments. For this study, around 100 genotypes of each legume were cloned and transplanted into meadow bromegrass (Bromus riparius Relm.) or alfalfa swards at Saskatoon, SK and Lethbridge, AB, Canada in 2017. Genotype‐environment (G x E) interactions of alfalfa and sainfoin genotypes were analysed by an additive main‐effects and multiplicative interaction (AMMI) model. Significant variations in plant height, spring vigour and total dry matter yield (TDM) were observed for both species. Among the measured traits, plant height was a more highly heritable trait (H2 = .16 for alfalfa and H2 = .18 for sainfoin), while TDM was the least heritable (H2 = .08 for alfalfa and H2 = .04 for sainfoin). In the AMMI Analysis of variance for TDM, the genotype explained <12% of the variation for both species, suggesting a direct selection of yield would result in a low genetic gain. The biplot mean performance (Y) x weighted average of absolute scores from the singular value decomposition of the matrix of BLUPs stability index (WAASB) identified several promising genotypes with superior performance and stability across different environments that were selected for producing synthetic lines. However, the synthetic lines of both alfalfa and sainfoin did not consistently exhibit superior performance in mixtures compared to their respective check cultivars.
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 | 0,000 | 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 ».