Using portfolio theory to evaluate the regional deployment of transferring tree seeds under uncertain future climates
Notice bibliographique
Résumé
In this study, the problem of deploying seed from multiple tree improvement orchards to multiple sites in an environment of uncertain climate change is addressed. A modeling approach is designed and applied with the objective providing a robust solution, i.e., transferred seed sources perform well across multiple climatic scenarios. The approach involves two steps. First, the focal point seed zone method is employed to predict seed deployment zones under multiple future climate scenarios. Next, a portfolio model is applied to minimize the risk of maladaptation of the transferred seed under multiple climatic scenarios. The method was applied using black spruce (Picea mariana ) field data from 7 sites using 24 seed sources from the Great Lakes area. The focal point seed zone method generated deployment zones for 24 seed sources over three 30-years periods under 12 predicted future climate scenarios. Next, the optimization procedure searched for eligible sites that can receive improved seed sources from 7 provenances considering 12 different climatic scenarios. The portfolio model also produced the optimal composition of candidate seed sources at each eligible site. Sensitivity of the solutions to different emission scenarios is compared. Finally, geographic representations of results were illustrated in Geographic Information System. It was concluded that this modeling framework provides a useful approach for decision-makers to address the problem of deploying seed at regional scale, such that the risk of climatic maladaptation is minimized.
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 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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 tête enseignante, 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 ».