Adaptation to climate change: Genetic variation is both a short- and a long-term solution
Notice bibliographique
Résumé
We propose a methodology combining a biophysical site index model and a seed source transfer model based on both temperature and precipitation to estimate white spruce plantation yield under present and future global warming conditions. The biophysical site index model predicts dominant height at 25 years, which is further used to estimate plantation yield using yield tables. The transfer model shows that, on average, seed sources are best adapted to the temperature conditions where they presently grow, and give maximum yield under these conditions. However, this model also shows that transfer of seed sources to drier sites could improve plantation yield. To predict site index values under climate change conditions, values obtained from the biophysical site index model are corrected by a factor estimated using the seed source transfer model. Our simulation results predict that global warming should favour a slight increase in white spruce plantation yield in southern Québec. However, one cannot expect to obtain similar yields from a seed source rapidly exposed to warmer conditions compared with a seed source that is presently growing under climatic conditions to which it has become adapted. It would take several generations (adaptation lag) for a seed source to adapt to warmer conditions. We believe that the method we propose will be helpful in identifying the most productive seed source to be used at any given location in the province, and in revising seed source transfer rules. Key words: climate change, white spruce, provenance test, transfer model, site index, adaptation, plantation, GIS
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 ».