MétaCan
Menu
Retour à la cohorte
Enregistrement W2319385153 · doi:10.5558/tfc2011-029

Assessment of assisted migration effects on spring bud flush in white spruce (<i>Picea glauca</i>[Moench] Voss) seedlings

2011· article· en· W2319385153 sur OpenAlexafffundvenueabout
Pengxin Lu, Rongzhou Man

Notice bibliographique

RevueThe Forestry Chronicle · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensOntario Forest Research Institute
Organismes subventionnairesCanadian Forest ServiceU.S. Forest ServiceMinistry of Natural Resources
Mots-clésFlushingFrost (temperature)BiologyAnnual growth cycle of grapevinesTaigaBlack spruceHorticultureBotanyTraitTree breedingProvenancePicea abiesWoody plantEcologyShootGeography

Résumé

récupéré en direct d'OpenAlex

In a changing climate, delaying the time of bud flush may be advantageous to boreal forest species to reduce the risk of spring frost damage. In this study, we examined the potential effect of assisted migration of tree seed on time to bud flush for white spruce. Flushing times of seedlings from 23 white spruce provenances from Ontario were observed under varying temperature conditions simulated in controlled environment chambers. Results indicated that time to bud flush varied considerably among provenances. Although higher temperatures significantly promoted bud flushing for all provenances, provenance-by-temperature interactions were negligible, indicating stable performance of white spruce provenances for this adaptive trait. Spatial patterns of variation among provenances in bud flushing were not consistent with patterns found in range-wide provenance tests. Assisted migration of tree seed across relatively short distances is unlikely to delay bud flushing time in white spruce. Some southern populations may flush earlier at more northerly sites, which would exacerbate spring frost risk. Tree improvement may be an effective approach to utilize amongand withinprovenance variation to enhance this fitness trait for better climatic adaptation.

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 enseignants0,013
Score d'incertitude au seuil0,515

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 Opus0,010
Tête enseignante GPT0,228
Écart entre enseignants0,218 · 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

Citations13
Publié2011
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueThe Forestry ChronicleMême sujetForest ecology and managementTravaux en français237 207