Identifying high-yielding and stable durum wheat genotypes using G × E analysis in climate change context
Notice bibliographique
Résumé
Assessing durum wheat genotypes in varied environments is essential for evaluating yield stability and adaptability. This research evaluated the performance of 25 different durum wheat genotypes over three years (2020–2023) across 16 environments in Morocco. One objective was to evaluate how genotypes interact with varying environmental conditions (GEI) and to identify genotypes that combine high yield with stability across specific mega-environments. This analysis was conducted using a randomized complete block design with three replicates. The primary criteria for selection included grain yield, the AMMI Stability Value (ASV) and the Genotype Selection Index (GSI). Analysis revealed highly significant differences (P<0.0001) among genotypes, environments and their interactions (GEI). According to the AMMI analysis of variance, the total variation in yield was attributed to the environment (77.91 %), genotype (0.80 %) and GEI (5.93 %). Principal components (PC) 1 and 2 accounted for 51.9 % of the observed variation. Similarly, the GGE biplot demonstrated that PC1 and PC2 contributed 31.51 % and 18.67 % of the yield variation, respectively. Based on yield and ASV, G4, G16, G10, G23 and G5 demonstrated high performance, while G4, G9, G11 and G14 exhibited stability. According to the GSI, genotypes G4, G5, G23, G14 and G17 were most desirable. The findings highlight the substantial impact of GEI on yield variability, with genotype G16 emerging as optimal and G4, G5 and G17 being identified as favourable candidates for cultivation across five identified mega-environments, each suited to specific genotype adaptation. The identified high-performing genotypes can be integrated into Moroccan breeding programs to enhance durum wheat productivity and resilience to climate variability.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».