MétaCan
Menu
Retour à la cohorte
Enregistrement W2027016784 · doi:10.3390/f6010183

Variation in Wood Quality in White Spruce (Picea Glauca (Moench) Voss). Part I. Defining the Juvenile–Mature Wood Transition Based on Tracheid Length

2015· article· en· W2027016784 sur OpenAlexafffund
Cyriac S. Mvolo, Ahmed Koubaa, Jean Beaulieu, Alain Cloutier, Marc J. Mazerolle

Notice bibliographique

RevueForests · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensUniversité LavalCentre de Géomatique du QuébecNatural Resources CanadaCanadian Forest ServiceUniversité du Québec en Abitibi-Témiscamingue
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFonds Québécois de la Recherche sur la Nature et les Technologies
Mots-clésTracheidPithJuvenileMathematicsPulpwoodHorticultureBotanyBark (sound)Animal scienceBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Estimations of transition age (TA) and juvenile wood proportion (JWP) are important for wood industries due to their impact on end-product quality. However, the relationships between analytical determination of TA based on tracheid length (TL) and recognized thresholds for adequate end products have not yet been established. In this study, we used three different statistical models to estimate TA in white spruce (Picea glauca (Moench) Voss) based on TL radial variation. We compared the results with technological maturity. A two-millimeter threshold, previously suggested for good paper tear strength, was used. Tracheid length increased from pith to bark and from breast height to upper height. Juvenile wood (JW) was conical with the three models. At breast height, TA ranged from 11 to 27 years and JWP ranged from 15.3% to 47.5% across the three models. The linear mixed model produced more conservative estimates than the maximum-quadratic-linear (M_Q_L) model. Both the linear mixed model and the M_Q_L model produced more conservative TA estimates than the piecewise model. TA estimates by the MIXED model, and to a lesser extent by the M_Q_L model, were equivalent to those for real mature wood, whereas TA estimates by the piecewise model were considerably lower, falling into the transition wood area.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,340
Score d'incertitude au seuil0,950

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,240
Écart entre enseignants0,226 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueForestsMême sujetForest ecology and managementTravaux en français237 207