Food and seed productivity of alfalfa germplasm under increased soil acidity
Notice bibliographique
Résumé
Goal. To assess the feed and seed productivity of alfalfa starting material of different eco-geographical origins. Results and Discussion. Based on results of studies of alfalfa germplasm of different eco-geographical origins under natural increased acidity of the soil solution (pH 5.2-5.3), promising starting materials were identified; they were superior to the check variety, ‘Syniukha’, in terms of feed productivity (which was higher by 7-92% or 0.07-0.9 kg/m²) and seed productivity (which was higher by 8-79% or 2.7-26.8 g/m²) in two years of using the grass canopy. We observed that most of the studied accessions (for example, ‘Radoslava’, ‘Aliia’ and others) showed their maximum feed productivity in the first year of using the grass canopy (2021), while in the second year, the feed productivity was slightly reduced, despite improved wetting. However, some of the collection acessions responded positively to this factor and, accordingly, the dry matter output was slightly higher than in the first year of using the grass canopy (‘Elehiia’, ‘Intryha’, ‘Mariskabul’, etc.). It should also be noted separately the heterogeneity of seed formation by plants of the collection accessions. Some yielded relatively stably over the years, others reached the maximum productivity in the first year of using, while in the next year with better conditions, on the contrary, their productivity decreased, apparently because of depletion of the root layer for certain nutrients; most of the accessions showed their maximum productivity in the second year of using. Conclusions. Based on the results of assessments, valuable starting materials were identified; they showed sufficiently high feed and seed productivities: ‘Radoslav’a (Ukraine), ‘Synia 2’ (Ukraine), ‘Elehiia’ (Ukraine), ‘Zaikevycha’ (Ukraine), ‘Mediya’ (Russia), ‘Flandria’ (France), ‘Cordoba’ (Argentina), ‘Mariskabul’ (Bulgaria), ‘Ferax 58’ (Canada), ‘Grilys-1’ (clone No. 3) (Sweden), ‘Mistseva’ (Brazil), and ‘Mistseva’ (Turkey). These accessions are proposed for use in breeding when creating purple medic varieties that would be tolerant to increased soil acidity.
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 ».