Assessing the yield potential of soybean maturity groups in different Ukrainian climatic zones
Notice bibliographique
Résumé
In the context of global climate change, increasing demands for food security, and the need to expand sources of plant-based protein, soybean is gaining particular importance as a highly productive and valuable agricultural crop. Purpose. The study aimed to evaluate the yield potential of soybean cultivars from different maturity groups under various agro-climatic conditions of Ukraine by analysing their adaptability, productivity, and stability. The objective was to justify the selection of maturity groups best suited for specific regions to ensure sustainable soybean production. Methods. Field experiments were conducted in 2023–2024 across three agro-climatic zones: Odesa (Steppe), Cherkasy (Forest-Steppe), and Zhytomyr (Polissia). A total of 26 early- and mid-maturing soybean cultivars of Ukrainian and foreign origin were evaluated. Adaptive variability was assessed using standard statistical methods. Results. Among early-maturing cultivars, Taverna, Eri, and Calgary showed superior individual productivity, surpassing the standard by 9–13% in seed weight per plant and reaching yields up to 3.15 t ha⁻¹ in Polissia. These cultivars demonstrated high plasticity and stability across environments. Among mid-maturing cultivars, ES Visitor and ES Collector delivered consistently high yields across all zones, exceeding the standard by 0.09–0.26 t ha⁻¹. Alicia also showed high productivity in the Forest-Steppe and Polissia, making it suitable for regions with moderate moisture. The highest average yield for early-maturing cultivars was recorded in Polissia (2.50 t ha⁻¹), and for mid-maturing ones - in the Forest-Steppe (2.68 t ha⁻¹). Regardless of the zone, Taverna, Eri, Calgary, ES Visitor, and ES Collector demonstrated stable and high productivity. Conclusions. The findings provide a basis for optimising cultivar selection and soybean production technologies, tailored to regional climatic conditions and challenges posed by climate change.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».