ارزیابی تحملخشکی ارقامی از سه گونه براسیکای روغنی
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
به منظور بررسی خصوصیات زراعی سه گونه جنس براسیکا (کلزا، خردل هندی و شلغم روغنی) در شرایط تنش خشکی و تعیین بهترین شاخصهای تحمل به تنش جهت ارزیابی ارقام براسیکا، تعداد 16 رقم براسیکا تحت دو شرایط کنترلشده در سطح تنش 6/0- مگاپاسکال و مزرعهای در دو محیط تنش و آبیاری در ایستگاه تحقیقات کشاورزی دیم (کرمانشاه) طی سال زراعی 85-1384 مورد مطالعه قرار گرفتند. نتایج حاکی از وجود اختلاف معنیدار بین و داخل گونهای برای صفات تحت بررسی بود. بیشترین درصد و سرعت جوانهزنی متعلق به گونه کلزا و در ارقام Parade و Comet مشاهده گردید. کمترین روز تا گلدهی و رسیدگی در گونه شلغم روغنی، بالاترین ارتفاع گیاه در خردل هندی، بیشترین تعداد غلاف درگیاه در دو گونه خردل و شلغم روغنی، بیشترین تعداد دانه درغلاف، طول غلاف و وزن هزاردانه در کلزا مشاهده شد. میزان روغن دانه در ارقام کلزا بیشترین و در خردل هندی کمترین بود. بالاترین عملکرد دانه و روغن در ارقام کلزا و خردل و کمترین در شلغم روغنی مشاهده شد. همبستگی تعداد غلاف درگیاه با دیگر اجزای عملکرد منفی و معنیدار بود که نشان داد ارقام با تعداد غلاف بالا نظیر ارقام خردل و شلغم روغنی دارای غلافهای کوتاه با تعداد و وزن دانه کمتر هستند. بین عملکرد و اجزای عملکرد همبستگی خاصی مشاهده نشد. همبستگی میزان روغن دانه و نیز عملکرد روغن در شرایط تحت آبیاری با تنش مثبت و کاملا معنیدار بود. بالاترین مقادیر شاخصهای میانگین هندسی (GMP)، تحملتنش (STI)، میانگین بهرهوری (MP) و هارمونیک (Harm) در گونههای کلزا و خردل و کمترین شاخصهای تحمل (TOL)، حساسیتتنش (SSI) و بالاترین شاخص پاسخخشکی (DRI) در گونه شلغم روغنی قرار داشت. با توجه به همبستگی مثبت و معنیدار شاخصهای GMP، STI، MP، Harm با عملکرد میزان روغن در محیط تحت تنش و آبیاری، این شاخصها برای ارزیابی ارقام براسیکا مناسب تشخیص داده شدند. براساس این شاخصها ارقام کلزای Parade، Opera، Amica و ارقام خردل هندی J98/102/51/5، Landrace و Lethbridge انتخاب شدند.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.002 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 0.005 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it