A framework for testing radiata pine under projected climate change in Australia and New Zealand
Notice bibliographique
Résumé
Radiata pine plantation resources in Australia and New Zealand are a highly productive source of solid-wood and pulp products for domestic consumption and export. This has largely been achieved through long-term investments in tree breeding programs that select the best-performing genotypes for varied regional environments. However, climate change could threaten the realisation of genetic improvement in plantations due to suboptimal matching of improved planting stock to new climate conditions. Here, we investigate how information from genetic field tests could be utilised under anticipated climate change. We use principal component analysis and Mahalanobis distance measures to find the closest match between climate of plantation regions in the future and current climate of field test sites. By 2050, future climates of some important plantation regions are expected to match climates currently present in different regions. For example, future climates of Green Triangle, a key plantation region in Australia, will better match current climate of Western Australia. The Central North Island of New Zealand will shift to warmer and wetter climate with no current analogue, and Western Australia, to warmer and drier no-analogue climate. The latter is also likely to fall outside the climate niche where radiata pine can be grown in the future. Nevertheless, for the majority of radiata pine plantation regions in Australia and New Zealand our analysis provides a framework of how anticipated climate change can be addressed in tree improvement programs using existing field tests.
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) | 0,001 | 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 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 ».