MétaCan
Menu
Retour à la cohorte
Enregistrement W2103192959 · doi:10.1111/nph.12859

Xylem formation can be modeled statistically as a function of primary growth and cambium activity

2014· article· en· W2103192959 sur OpenAlexafffundabout
Jian‐Guo Huang, Annie Deslauriers, Sergio Rossi

Notice bibliographique

RevueNew Phytologist · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePlant Water Relations and Carbon Dynamics
Établissements canadiensUniversité du Québec à Chicoutimi
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacsChinese Academy of Sciences
Mots-clésXylemCambiumPhenologyTaigaEcosystemBiologyShootBotanySecondary growthPrimary productionEcology

Résumé

récupéré en direct d'OpenAlex

Primary (budburst, foliage and shoot) growth and secondary (cambium and xylem) growth of plants play a vital role in sequestering atmospheric carbon. However, their potential relationships have never been mathematically quantified and the underlying physiological mechanisms are unclear. We monitored primary and secondary growth in Picea mariana and Abies balsamea on a weekly basis from 2010 to 2013 at four sites over an altitudinal gradient (25-900 m) in the eastern Canadian boreal forest. We determined the timings of onset and termination through the fitted functions and their first derivative. We quantified the potential relationships between primary growth and secondary growth using the mixed-effects model. We found that xylem formation of boreal conifers can be modeled as a function of cambium activity, bud phenology, and shoot and needle growth, as well as species- and site-specific factors. Our model reveals that there may be an optimal mechanism to simultaneously allocate the photosynthetic products and stored nonstructural carbon to growth of different organs at different times in the growing season. This mathematical link can bridge phenological modeling, forest ecosystem productivity and carbon cycle modeling, which will certainly contribute to an improved prediction of ecosystem productivity and carbon equilibrium.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,440
Score d'incertitude au seuil0,260

Scores Codex et Gemma par catégorie

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 Opus0,010
Tête enseignante GPT0,202
Écart entre enseignants0,192 · 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.

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

Citations121
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueNew PhytologistMême sujetPlant Water Relations and Carbon DynamicsTravaux en français237 207