Ecogeographic Factors Affecting Inflorescence Emergence of Cool‐Season Forage Grasses
Notice bibliographique
Résumé
The ability to predict when a cool‐season forage grass cultivar will begin inflorescence emergence under different ecogeographical conditions would allow plant breeders, agronomists, and grass‐seed marketers to better position that cultivar into a forage production system. Our objective was to determine the ecogeographical factors (longitude, latitude, elevation, day of year when average daily temperature exceeds 0°C for five consecutive days [DOY at 0°C], cumulative growing degree‐day [GDD], photoperiod, and cumulative photosynthetic active radiation [PAR]) that have the greatest effect on grass maturation in the spring. Inflorescence emergence was monitored in established cultivars of festulolium (× Festulolium spp.), orchardgrass (Dactylis glomerata L.), ryegrass (Lolium perenne L. and Lolium multiflorum Lam.), tall fescue (Festuca arundinacea Schreb.), and timothy (Phleum pratense L.) at eight locations in North America during the spring of 2004 and 2005. As latitude increased, the day of year when grasses reached 1% inflorescence emergence (DOY) also increased, while cumulative GDD and PAR decreased. Latitude, cumulative PAR, and DOY at 0°C were more closely correlated (r2 ≥ 0.67) to the onset of inflorescence emergence than the other variables. Latitude combined with the inverse transformation of PAR provided the best prediction of when these grasses would initiate inflorescence emergence (validation R2 for all species ≥ 0.83).
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 | 0,000 | 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) | 0,000 | 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 ».