Cold hardiness of white spruce, black spruce, jack pine, and lodgepole pine needles during dehardening
Notice bibliographique
Résumé
Conifer winter damage results primarily from loss of cold hardiness during unseasonably warm days in late winter and early spring, and such damage may increase in frequency and severity under a warming climate. In this study, the dehardening dynamics of lodgepole pine (Pinus contorta Dougl. ex. Loud), jack pine (Pinus banksiana Lamb.), white spruce (Picea glauca (Moench) Voss), and black spruce (Picea mariana (Mill.) B.S.P.) were examined in relation to thermal accumulation during artificial dehardening in winter (December) and spring (March) using relative electrolyte leakage and visual assessment of pine needles and spruce shoots. Results indicated that all four species dehardened at a similar rate and to a similar extent, despite considerably different thermal accumulation requirements. Spring dehardening was comparatively faster, with black spruce slightly hardier than the other conifers at the late stage of spring dehardening. The difference, however, was relatively small and did not afford black spruce significant protection during seedling freezing tests prior to budbreak in late March and early May. The dehardening curves and models developed in this study may serve as a tool to predict cold hardiness by temperature and to understand the potential risks of conifer cold injury during warming–freezing events prior to budbreak.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».