Genetic variation in direct and indirect measures of wood stiffness in coastal Douglas-fir
Notice bibliographique
Résumé
We studied wood stiffness (estimated by modulus of elasticity, MOE), wood density, wood moisture content, and growth in a progeny test (50–130 families per trait; 1–3 sites) of coastal Douglas-fir ( Pseudotsuga menziesii var. menziesii (Mirb.) Franco). We measured MOE directly using lumber bending tests (MOE bl ) and indirectly using tools (HM200 and ST300) that can be used to measure acoustic velocity in logs (Vel HM ) or standing trees (Vel ST ). Acoustic MOEs in logs and standing trees (MOE HM and MOE ST ) were obtained from the velocities and green wood density. For backward selection, we estimated genetic gains in MOE bl of 8.6%–12.3%. Relative efficiencies (REs), the relative gains in MOE bl expected from indirect selection for correlated traits, were 78%–93% for the HM200 traits, 57%–58% for the ST300 traits, 38% for the basic wood density of basal discs (Den bd ), and 98% for the oven-dry density of logs estimated from the lumber (Den ol ). The HM200 is an efficient tool for improving MOE bl , but gains will be lower using the ST300 on standing trees. Indirect selection on Den bd should be used with caution because the RE was low and Den bd was negatively correlated with growth (–0.49 to –0.73).
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 | 0,001 | 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 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 ».