MétaCan
Menu
Retour à la cohorte
Enregistrement W4400862897 · doi:10.1002/agj2.21640

Kernel number and kernel weight stability can vary across corn hybrids

2024· article· en· W4400862897 sur OpenAlexafffundabout
Jin‐Wook Kim, Paul Sullivan, L. M. Caldwell, Julia Downey, David C. Hooker, Joshua Nasielski

Notice bibliographique

RevueAgronomy Journal · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCrop Yield and Soil Fertility
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésHybridYield (engineering)Stability (learning theory)TraitMathematicsKernel (algebra)StatisticsAgronomyZea maysBiologyComputer scienceCombinatorics

Résumé

récupéré en direct d'OpenAlex

Abstract The stability of a trait refers to the extent to which its expression in a given genotype varies across environments. The more stable a trait, the less variable its expression. Grain yield stability is a central consideration in corn production to ensure that hybrids perform consistently across environments and is frequently quantified given its importance. Little attention has been paid to the stability of corn yield components, kernel number per m2 (KN), and kernel weight (KW). Our hypothesis is that while previous research suggests that yield stability of commercial corn hybrids is generally consistent, the stabilities of KN and KW may exhibit significant differences, even when overall yield stability remains constant. This study evaluated the yield and yield component stabilities of 23 commercial corn hybrids conducted on‐farm at five location‐years in Ontario, Canada, using Finlay–Wilkinson regression. Most (61%) hybrids exhibited average yield stability with β1‐values close to 1.0. But seven hybrids displaying average yield stability had KN and/or KW stabilities significantly different than average. While in absolute terms, KW was always more stable than KN across environments, the data indicate that hybrids have different mechanisms to achieve stable yields in terms of relative yield component adjustments. Overall, 14 hybrids had yield component β1‐values significantly more or less stable than average. The instances where yield component β1‐values differed significantly from 1.0 were almost equally divided between KN and KW. These findings support the potential for hybrid‐specific corn management, that is, tailoring management practices to take advantage of hybrid variation in yield component stabilities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,184
Score d'incertitude au seuil0,367

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,020
Tête enseignante GPT0,244
Écart entre enseignants0,224 · 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 source (Gemma direct ou Codex distillé), 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

Citations2
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAgronomy JournalMême sujetCrop Yield and Soil FertilityTravaux en français237 207