Recovery of Bermudagrass Varieties from Divot Injury
Notice bibliographique
Résumé
Intensively used turf areas in the southern United States are commonly established to bermudagrass (Cynodon dactylon (L.) Pers.C. dactylon × C. transvaalensis Burtt‐Davy), partly due to its good recuperative potential. However, little scientific data is available regarding recuperative differences among bermudagrass varieties. The objective of the following research was to quantify differences in injury recovery among the forty‐eight bermudagrass entries in the 2002 National Bermudagrass Test of the National Turfgrass Evaluation Program (NTEP). The trial was maintained under typical golf course fairway conditions and divot injury was simulated in 2003 and 2004. A digital image was collected of each divot on the day of injury and regularly thereafter until full recovery was reached. Divot images were analyzed for percent green turf cover using digital image analysis to quantify recovery percentages. Although divots recovered more quickly in 2004 than in 2003, differences among varieties remained relatively consistent across years. On average, seeded varieties reached 50% recovery one day faster than vegetatively propagated varieties. Among commercially available varieties, ‘La Paloma’ and ‘Yukon’ were fastest to recover while ‘Tifsport’ and ‘Ashmore’ were among the slowest to recover when averaged across years.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».