Using portfolio theory to improve yield and reduce risk in black spruce family reforestation
Notice bibliographique
Résumé
Abstract Family forestry, defined as the deployment of families in mixture into plantations, is becoming an attractive option for black spruce (Picea mariana (Mill.) BSP) in New Brunswick, Canada. With many elite families of black spruce being available, there is a knowledge gap regarding how to compose a mixture of families that optimally balances the objectives of increased yield and reduced risk. This study, based on real field test data, investigates the application of a model based on the modern portfolio theory to optimally balance yield and risk when selecting a portfolio (mixture) of black spruce families to deploy in reforestation. The risk was expressed as the variance of the family portfolio, an effective indicator of yield stability. This is an innovative approach in forestry and it is compared to the currently used method, truncation-deployment, defined as the equal deployment of seed of selected families. Results show that the portfolio theory searched for the combination of yield and stability and produced family portfolios maximizing yield at a given stability or minimizing yield instability at a given yield. The portfolio theory was never inferior in maximizing yield to the truncation- deployment approach when yield stability is a concern. We recommend using portfolio theory to determine family portfolios for family forestry. While this study targets to family forestry, the results may be relevant to other deployment strategies where stability is a concern, such as clonal forestry.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».