MétaCan
Menu
Retour à la cohorte
Enregistrement W2034340300 · doi:10.5558/tfc82572-4

White spruce growth to age 44 in a provenance test at the Petawawa Research Forest

2006· article· en· W2034340300 sur OpenAlexafffundvenueabout
Kristian Morgenstern, Margaret Penner

Notice bibliographique

RevueThe Forestry Chronicle · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensPetro-Canada
Organismes subventionnairesCanadian Forest ServiceU.S. Forest ServiceLakehead University
Mots-clésProvenanceBiologyForestryBasal areaSeedlingVolume (thermodynamics)Selection (genetic algorithm)Site indexStockingGeographyHorticultureAnimal science

Résumé

récupéré en direct d'OpenAlex

Twenty-five provenances of white spruce were planted in 1963 in 144-tree plots and three replications as part of a provenance test series for eastern Canada. The experiment was well maintained and thinned to 50% of its original stocking in 1986 (age 26 years from seed).Measurements at age 44 were subjected to analyses of variance and correlation and compared with height and survival at age 15. The results demonstrated that at age 15, identification of the best provenances is ineffective because of changes in rank and the late expression of survival differences. At age 44, significant differences among provenances were observed for survival, mean height, diameter, basal area, and volume. The greatest volume was produced by a provenance from Cushing in the Ottawa Valley in Quebec, 287 m 3 per ha, which was 11% greater than the volume of the local provenance, Chalk River, Ontario. When ranked on the basis of survival and volume, the best eight provenances included five from Quebec, and one each from New Brunswick, Ontario, and Wisconsin. The experiment shows that at the appropriate stage in a selection program, large plots can yield significant results, which has important implications for the design of experiments. Key words: provenance tests, jack pine, experimental design, growth and yield

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,129
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,003

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 Opus0,013
Tête enseignante GPT0,253
Écart entre enseignants0,240 · 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.

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

Citations18
Publié2006
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueThe Forestry ChronicleMême sujetForest ecology and managementTravaux en français237 207