Adaptive variation in fall cold hardiness of aspen from northwestern Ontario
Notice bibliographique
Résumé
We investigated adaptive variation in fall cold hardiness development based on the electrical conductivity of tissue diffusates (EC) among 20 aspen provenances from northwestern Ontario. Provenance accounted for over 40% of the total variation in cold injury for seven dates from September through November in three provenance trials. Principal component analysis was performed to summarize the combinations of results for all sampling sites, dates and temperatures (traits). Principal component (PC)-1 represented fully developed cold hardiness differences among provenances; PC-2 represented differences in the timing of the onset of cold hardiness development; and PC-3 represented a site-related difference in cold hardiness development. Heat sum in early summer and late summer precipitation together were the best predictors of absolute degree of cold hardiness (PC-1), whereas temperatures for mid- to late summer were best for predicting onset of cold hardiness development (PC-2). In a second study, we assessed the efficacy of chlorophyll fluorescence (CF) as a simpler technique for determining the cold hardiness of aspen stem samples. Fall cold hardiness of stem samples of 12 of the original 20 provenances was estimated by CF, and the results were evaluated by a visual scoring (VS) method. Correlations between EC and CF measurements from the two studies were moderately strong based on the extent of cold hardiness in October of each year, but were negative for September dates because of a later onset of cold hardiness in the EC study year. Although the EC and CF methods gave similar cold hardiness values for stem samples from 12 provenances, the CF method may be preferred to the EC or VS method for species with chlorophyllous stems because of its greater ease of use.
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) | 0,000 | 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 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 ».