Multi-Environment Trial Analysis of Elite Rye Cultivars under Rainfed Conditions
Notice bibliographique
Résumé
Rye ( Secale cereale L.), as an important crop with both food and feed value, has strong adaptability in arid and semi-arid regions and is a key variety resource for ensuring food security and the development of animal husbandry. However, under dryland conditions, the yield and quality of rye are highly constrained by environmental factors, showing a significant genotype-environment interaction (G×E) effect. To deeply assess the performance of superior rye varieties in different ecological regions, this study, based on the multi-environment test (MET) method, systematically analyzed the yield, quality, stress resistance and resource utilization efficiency of multiple elite rye varieties under typical arid conditions. By comparing the yield differences, stability of quality traits and water and nitrogen utilization efficiency under different ecological environments, Combining GGE-Biplot and stability analysis methods, varieties with high yield, high quality and wide adaptability were screened out. The research results show that multi-environment trials can not only reveal the restrictive factors of the environment on rye production, but also provide a theoretical basis for regionalized variety recommendation and the establishment of breeding goals in dryland farming areas. This study aims to promote the application and popularization of superior varieties by scientifically evaluating the comprehensive performance of elite rye varieties under dryland conditions, and to provide references for future rye breeding and sustainable agricultural development in arid areas.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».