MétaCan
Menu
Retour à la cohorte
Enregistrement W2109622416 · doi:10.1139/x2012-033

Nut cold hardiness as a factor influencing the restoration of American chestnut in northern latitudes and high elevations

2012· article· en· W2109622416 sur OpenAlexvenueno aff
Thomas M. Saielli, Paul G. Schaberg, Gary J. Hawley, Joshua M. Halman, Kendra M. Gurney

Notice bibliographique

RevueCanadian Journal of Forest Research · 2012
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePlant and Fungal Interactions Research
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Forest ServiceCooperative State Research, Education, and Extension ServiceNortheastern States Research Cooperative
Mots-clésCryphonectriaHardiness (plants)Chestnut blightBiologyFagaceaeBotanyHorticultureTwigRange (aeronautics)Cultivar

Résumé

récupéré en direct d'OpenAlex

American chestnut ( Castanea dentata (Marsh.) Borkh.) was functionally removed as a forest tree by chestnut blight (caused by the fungal pathogen Cryphonectria parasitica (Murr.) Barr). Hybrid-backcross breeding between blight-resistant Chinese chestnut ( Castanea mollissima Blume) and American chestnut is used to support species restoration. However, preliminary evidence suggests that backcross material may not have the cold hardiness needed for restoration in the northern portions of the species’ range. The cold tolerance of nuts is of concern because reproductive tissues are particularly sensitive to freezing damage. We assessed nut cold tolerance for 16 American chestnut, four Chinese chestnut, and four red oak ( Quercus rubra L.) (a native competitor) sources to better assess genetic variation in nut hardiness. We found that Chinese chestnut nuts were less cold tolerant than American chestnut and red oak nuts and that American chestnut sources from the south were less cold tolerant than sources from the north, with significant differences among sources within all regions. We also assessed how sources varied among temperature zones (sources separated by average winter temperature lows at source locations). Sources from the cold temperature zone were more cold tolerant and less variable in hardiness than sources from warm and moderate zones.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,476
Score d'incertitude au seuil0,983

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 Opus0,042
Tête enseignante GPT0,337
Écart entre enseignants0,295 · 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

Citations13
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetPlant and Fungal Interactions ResearchTravaux en français237 207