MétaCan
Menu
Retour à la cohorte
Enregistrement W2204369517 · doi:10.1139/cjfr-2013-0209

Wood density as a screening trait for drought sensitivity in Norway spruce

2013· article· en· W2204369517 sur OpenAlexvenueno aff
Sabine Rosner, Jan Světlík, K. Andreassen, Isabella Børja, Lise Dalsgaard, Robin J. Evans, Bo Karlsson, Mari Mette Tollefsrud, Svein Solberg

Notice bibliographique

RevueCanadian Journal of Forest Research · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePlant Water Relations and Carbon Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesNorges Forskningsråd
Mots-clésPicea abiesHydraulic conductivityEnvironmental scienceDrought stressGrowing seasonHorticultureBiologyAtmospheric sciencesBotanyForestryGeographyGeologySoil scienceSoil water

Résumé

récupéré en direct d'OpenAlex

We linked hydraulic vulnerability in Norway spruce (Picea abies (L.) Karst.) trunkwood with different cambial age to wood density and applied the findings on annual density variations in healthy and declining trees from southern Norway during 1990 to 2010. We hypothesized that drought stress due to the 2003 or 2006 European heat waves were the triggers for tree decline and focused analyses on the structure of wood that was produced after, as well as before, signs of stress, i.e., when decreases in height or diameter growth were visible. In the data set comprising previously published and new measurements, P50, i.e., the pressure potential necessary to induce a 50% loss in hydraulic conductivity, was negatively related to wood density. Declining trees produced wider annual rings with lower density than vigorous trees before their radial and height increment started to decline in 2003 or 2006. Trees that produced low-density wood under favorable water availability were more stressed by a sudden drought event because of higher P50values in their sapwood. Due to the strong genotypic relationship between wood density and growth, we suggest that spruce trees selected for fast growth might experience limited hydraulic performance under the impact of extreme heat waves.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,024

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
Bibliométrie0,0010,000
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 Opus0,025
Tête enseignante GPT0,264
Écart entre enseignants0,239 · 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

Citations69
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetPlant Water Relations and Carbon DynamicsTravaux en français237 207