MétaCan
Menu
Retour à la cohorte
Enregistrement W2394214181 · doi:10.1155/2016/6904834

Synchrony in Leafing, Flowering, and Fruiting Phenology of<i>Senegalia senegal</i>within Lake Baringo Woodland, Kenya: Implication for Conservation and Tree Improvement

2016· article· en· W2394214181 sur OpenAlexaff
Stephen F. Omondi, David W. Odee, George Ong’amo, James Ireri Kanya, Damase P. Khasa

Notice bibliographique

RevueInternational Journal of Forestry Research · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésPhenologyWet seasonHorticultureBiologyPrecipitationRelative humidityShootDry seasonBotanyGeographyEcology

Résumé

récupéré en direct d'OpenAlex

Leafing, flowering, and fruiting patterns of Senegalia senegal were studied over a period of 24 months from January 2014 to December 2015. The phenological events of the species are bimodal and follow the rainfall patterns. The leafing phase starts during the onset of rains and lasts for 18 weeks. New leaves continued to appear on the new shoots while old leaves persisted to the leaf fall period. Flowering event takes 12 weeks and is concentrated in the months of high relative humidity (April and October) with one-month peak flowering period. Fruiting phase starts at the peak of the rainy seasons (May and November) and peaks in June and December. This phase lasted for 14 weeks. The fruits mature towards the end of the rainy season (January/February and July/August). The fruits open for dispersal mainly in February/March and September during the peak dry season. High synchrony index (SI) was found in leafing (SI: 0.87), flowering (SI: 0.75), and fruiting (SI: 0.85) events among the populations. Temperature, precipitation, and soil moisture content were significantly correlated with the phenological events. Significant variations in floral morphology and fruits traits were also evident. Seed collections should be undertaken in the months of January/February and July/August.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,048
Score d'incertitude au seuil0,205

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 Opus0,028
Tête enseignante GPT0,333
Écart entre enseignants0,305 · 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

Citations9
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Forestry ResearchMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207