Integrating simulation of architectural development and source–sink behaviour of peach trees by incorporating Markov chains and physiological organ function submodels into L-PEACH
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
L-PEACH is an L-system-based functional-structural model for simulating architectural growth and carbohydrate partitioning among individual organs in peach (Prunus persica (L.) Batsch) trees. The original model provided a prototype for how tree architecture and carbon economy could be integrated, but did not simulate peach tree architecture realistically. Moreover, evaluation of the functional characteristics of the individual organs and the whole tree remained a largely open issue. In the present study, we incorporated Markovian models into L-PEACH to improve the architecture of the simulated trees. The model was also calibrated to grams of carbohydrate, and tools for systematically displaying quantitative outputs and evaluating the behaviour of the model were developed. The use of the Markovian model concept to model tree architecture in L-PEACH reproduced tree behaviour and responses to management practices visually similar to trees in commercial orchards. The new architectural model along with several improvements in the carbohydrate-partitioning algorithms derived from the model evaluation significantly improved the results related to carbon allocation, such as organ growth, carbohydrate assimilation, reserve dynamics and maintenance respiration. The model results are now consistent within the modelled tree structure and are in general agreement with observations of peach trees growing under field conditions.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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) | 0,000 | 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 découle