MétaCan
Menu
Retour à la cohorte
Enregistrement W2504572525 · doi:10.21273/hortsci.35.4.608

Is Fall Burning Preferable to Spring Burning for Promoting Growth Characteristics Favorable for Mechanical Harvesting in Vaccinium myrtilloides Michaux?

2000· article· en· W2504572525 sur OpenAlexaff
S. P. Vander Kloet, Jason Pither

Notice bibliographique

RevueHortScience · 2000
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBerry genetics and cultivation research
Établissements canadiensAcadia UniversityQueen's University
Organismes subventionnairesnon disponible
Mots-clésVacciniumSpring (device)Prescribed burnHorticultureEricaceaeYield (engineering)WeedEnvironmental scienceBiologyBotanyAgronomyEcologyEngineeringMaterials science

Résumé

récupéré en direct d'OpenAlex

Periodic prescribed burns of lowbush blueberry barrens promote high yield, aid in weed control, and reduce fungal and insect damage. Whether such prescribed fires should be set in the autumn or the spring has been a matter of some dispute. Previous research on Vaccinium angustifolium Aiton suggested some advantages to autumnal burning, but few data have been collected on V. myrtilloides Michaux. To evaluate whether time of burning affected plant qualities most favorable for mechanical harvesting, such as stem length and lateral branching, a series of experiments was conducted on V. myrtilloides . Differences in stem length, numbers of lateral branches, and buds per stem were nonsignificant among plants burned in fall vs. those burned in spring. In three of four experiments, however, fall burns resulted in the growth of fewer lateral branches. Furthermore, among the four experiments, growth responses were more uniform following fall than following spring burns. We therefore suggest that, where possible, fall burns should be prescribed for blueberry plants that will be mechanically harvested.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,043
Tête enseignante GPT0,274
Écart entre enseignants0,232 · 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'étudeExpérimental (laboratoire)
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

Citations7
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHortScienceMême sujetBerry genetics and cultivation researchTravaux en français237 207