Genetic improvement of kraft pulp yield in <i>Eucalyptus nitens</i> using cellulose content determined by near infrared spectroscopy
Notice bibliographique
Résumé
Eucalyptus nitens (Deane & Maiden) Maiden (shining gum) is widely grown for kraft pulp production in many cool temperate regions of the world. Improving the kraft pulp yield of this species is important for increasing plantation profitability, but traditional assessment is slow and expensive. Cellulose content, which is strongly correlated with pulp yield, has been used as an alternative in tree breeding programs. However, a direct measure of cellulose content still relies on wet chemistry, limiting the number of samples that can be processed and the subsequent gains that can be made in a tree breeding program. An indirect method such as near infrared (NIR) spectroscopy provides a large increase in the numbers of samples that can be analysed. In this study, the genetic gains in cellulose content of E. nitens were compared using cellulose content, determined using wet chemistry and predicted by NIR calibrations based on different sampling intensities. Genetic gains based on NIR-predicted cellulose content were high, and a large proportion of the gain was achievable using a direct measure of cellulose. Calibrations were robust and generally could be reliably used across sites. NIR-predicted cellulose is highly heritable, with heritabilities comparable to or better than direct measures of cellulose.
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 | 0,001 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».