Geographic and seasonal variation in cold hardiness of whitebark pine
Notice bibliographique
Résumé
Artificial freeze-testing utilizing the electrolyte-leakage method was used to test the cold hardiness of 2-year-old whitebark pine (Pinus albicaulis Engelm.) seedlings growing in a common garden. Testing across all seasons was used to determine the annual pattern of cold hardiness, and more intensive sampling in the fall and spring was used to assess genetic variation in cold injury among geographic regions spanning the range of the species. Mean hardiness varied widely from –9 °C in early summer to below –70 °C in the winter. Trees from interior and northern regions were the most hardy in the fall, while trees from California were the least hardy. Geographic patterns of hardiness in the spring were reversed. Significant differences in cold injury among regions were detected on all dates except during the winter. Heritability was low to moderate for both the spring (h2 = 0.18) and the fall (h2 = 0.28), and genetic correlation was weak (rA = 0.18). Only spring cold injury was genetically correlated with date of needle flush (rA = 0.34). Mean cold injury in the fall was most closely correlated with mean temperature of the coldest month in the parental environment (r = 0.81). Whitebark pine is well adapted to the low temperatures of the harsh environments where it is found; however, regional variation indicates that moving seed for restoration purposes from areas with higher winter temperatures to colder environments may increase the chance of fall cold injury.
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 | 0,001 | 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 ».