MétaCan
Menu
← Retour à la cohorte
Enregistrement W2144114051 · doi:10.1139/cjfr-2014-0199

Postharvest needle abscission resistance of balsam fir (<i>Abies balsamea</i>) is modified by harvest date

2014· article· en· W2144114051 sur OpenAlexafffundvenueabout
Mason T. MacDonald, Rajasekaran R. Lada, R. Veitch, Arumugam Thiagarajan, Azure Adams

Notice bibliographique

RevueCanadian Journal of Forest Research · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Physiology and Cultivation Studies
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRaffinoseBalsamAbscissionAbies balsameaPostharvestAbscisic acidAcclimatizationStachyoseBotanyHorticultureBiologyXylemSucrose

Résumé

récupéré en direct d'OpenAlex

Earlier harvest dates have become necessary for Canadian Christmas tree producers to meet international demand, though by harvesting these trees early they may experience poor needle retention. The objective of this study is to understand the effect of harvest date on needle retention and link those changes to cold acclimation. In one experiment, balsam fir trees with varied needle abscission resistance (NAR) were collected in October and in January and monitored for needle retention. This was repeated for 3 years. In a second experiment, 45 branches were collected each month from September to January and monitored for needle retention, xylem pressure, membrane injury, capacitance, and accumulation of galactose, raffinose, and abscisic acid. High-NAR trees had little improvement in needle retention from October to January, whereas low-NAR trees had significantly improved needle retention from October to January. Between September and January, there was an 85% increase in raffinose, 147% increase in galactose, 80% increase in abscisic acid, and 62% decrease in stem capacitance. Early harvest was not detrimental for all trees, and it appears that cold acclimation is linked to postharvest needle abscission, though cold acclimation does not adequately explain differences between NAR classes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,019
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,053
Tête enseignante GPT0,278
Écart entre enseignants0,225 · 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 source (Gemma direct ou Codex distillé), 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

Citations20
Publié2014
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest Research→Même sujetPlant Physiology and Cultivation Studies→Travaux en français237 207→