Stiffness of Douglas-fir lumber: effects of wood properties and genetics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Because stiffness (modulus of elasticity (MOE)) is important for structural wood products, breeders and silviculturists seek to efficiently measure and improve this trait. We studied MOE in a 25-year-old progeny test of Douglas-fir (Pseudotsuga menziesii (Mirb.) Franco) using field-based tools (ST300 and HM200) to measure stress wave MOE of standing trees and logs. We measured density, static bending MOE, and transverse vibration MOE on 2 × 4s, and density, SilviScan MOE, and SilviScan microfibril angle on small clearwood samples. Bending MOE had moderate to strong phenotypic and genetic correlations with stress wave MOE of trees and logs, transverse vibration MOE of 2 × 4s, and the densities of 2 × 4s and basal wood discs but was weakly correlated with the numbers and sizes of knots. The best lumber grade had the highest bending stiffness and smallest edge knots. Bending stiffness had a strong positive correlation with the density of small clearwood samples and a moderate negative correlation with microfibril angle. Compared with microfibril angle and edge knots, path analyses indicated that density had the strongest direct effect on bending MOE. We recommend that breeders measure and select for stress wave velocity to improve bending stiffness in Douglas-fir. Genetic gains can be increased by including wood density, but genetic selection for fewer or smaller knots will be ineffective.
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.
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) | 0,000 | 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 découle