MétaCan
Menu
Retour à la cohorte
Enregistrement W2075138750 · doi:10.1139/x06-130

The influence of irrigation and fertilization on heartwood and sapwood contents in 18-year-old <i>Eucalyptus globulus</i> trees

2006· article· en· W2075138750 sur OpenAlexvenueno aff
Isabel Miranda, Jorge Gominho, Ana Lourenço, Helena Pereira

Notice bibliographique

RevueCanadian Journal of Forest Research · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensnon disponible
Organismes subventionnairesFundação para a Ciência e a Tecnologia
Mots-clésEucalyptus globulusPulp (tooth)HorticultureHuman fertilizationEucalyptusBotanyChemistryIrrigationBiologyAgronomy

Résumé

récupéré en direct d'OpenAlex

The quality of wood from 18-year-old Tasmanian bluegum (Eucalyptus globulus Labill.) trees was assessed in relation to heartwood content, accumulation of extractives, and pulp yield using two growth conditions: control (C) and growth optimized by irrigation and fertilization in the first 6 years of growth (IL). Within the tree, heartwood content decreased from the base upwards, representing, on average, 77.7% and 67.6% at the base and 7.0% and 4.8% at 29.3 m height for IL and C trees, respectively. Heartwood volume represented 65.6% and 55.6% of total tree volume for IL and C trees, respectively. Heartwood content was positively correlated with tree growth, while sapwood content remained rather constant, with a radial width of approximately 2 cm. Heartwood contained more extractives than sapwood (5.3% vs. 4.0%) and pulp yield was lower from heartwood than from sapwood (58.0% vs. 56.0%). Pulp yield was negatively correlated with content of extractives. No difference in extractives or pulp yield was found between IL and C trees. The presence of heartwood decreases the quality of raw material for pulping and should be regarded as a stem-quality variable in eucalypt forestry.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,978
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,019
Tête enseignante GPT0,262
Écart entre enseignants0,244 · 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 source (Gemma direct ou Codex distillé), 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

Citations38
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetForest ecology and managementTravaux en français237 207