MétaCan
Menu
Retour à la cohorte
Enregistrement W2138700659 · doi:10.1111/j.1469-8137.2010.03594.x

Genetic variation of hydraulic and wood anatomical traits in hybrid poplar and trembling aspen

2011· article· en· W2138700659 sur OpenAlexafffundabout
Stefan G. Schreiber, Uwe G. Hacke, Andreas Hamann, Barb R. Thomas

Notice bibliographique

RevueNew Phytologist · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePlant Water Relations and Carbon Dynamics
Établissements canadiensAlberta Pacific Forest IndustriesUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsAlberta-Pacific Forest Industries
Mots-clésSalicaceaeBiologyBorealTaigaWoody plantTraitPulpwoodSowingBotanyAgronomyEcology

Résumé

récupéré en direct d'OpenAlex

Intensive forestry systems and breeding programs often include either native aspen or hybrid poplar clones, and performance and trait evaluations are mostly made within these two groups. Here, we assessed how traits with potential adaptive value varied within and across these two plant groups. Variation in nine hydraulic and wood anatomical traits as well as growth were measured in selected aspen and hybrid poplar genotypes grown at a boreal planting site in Alberta, Canada. Variability in these traits was statistically evaluated based on a blocked experimental design. We found that genotypes of trembling aspen were more resistant to cavitation, exhibited more negative water potentials, and were more water-use-efficient than hybrid poplars. Under the boreal field test conditions, which included major regional droughts, height growth was negatively correlated with branch vessel diameter (Dv ) in both aspen and hybrid poplars and differences in Dv were highly conserved in aspen trees from different provenances. Differences between the hybrid poplars and aspen provenances suggest that these two groups employ different water-use strategies. The data also suggest that vessel diameter may be a key trait in evaluating growth performance in a boreal environment.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,228

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 Opus0,017
Tête enseignante GPT0,209
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

Citations75
Publié2011
Routes d'admission3
Résumé présentoui

Explorer davantage

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