Nurmen satofysiologia nurmien sadon määrän ja ruokinnallisen arvon perustana
Notice bibliographique
Résumé
Nurmet ovat sekä taloudellisesti että maankäytöllisesti merkittävä tuotantomuoto. Tästä huolimatta niiden sadonmuodostuksen sisäisistä prosesseista tiedetään Suomessa varsin niukasti. Yleensä sadonmuodostus kuvataankin vain massan määrän ja ruokinnallisen arvon muutoksina ajan tai lämpötilasumman funktiona. Tässä tutkimuksessa selvitettiin keskeisimmät sadonmuodokseen vaikuttavat prosessit sadon määrän ja ruokinnallisen arvon kannalta. Tutkimuksen kohteena oli erityisesti timotei sekä kasvutavaltaan timoteistä huomattavasti poikkeava ruokonata. Tutkimuksen aineisto koostuu pääosin kahdesta osasta: ruokonadan ja timotein kasvuprosessien vertailusta MTT:n Maaningan toimipisteessä vuosina 2006 - 2007 ja timotein laatujalostusaineistosta valittujen kloonien vertailusta Maaningalla 2008 - 2009. Ensimmäisessä kokeessa määritettiin satofysiologisia parametreja laajasti ja timoteikloonien osalta keskityttiin korrenmuodostukseen ja versotyyppijakaumaan. Molemmissa kokeissa määritettiin ruokinnallinen arvo, mm. sulamaton kuitu (iNDF) ja sulavan orgaanisen aineksen pitoisuus (D-arvo) koko sadosta ja kasvinosittain (lehdet, korret, kukinto, kuolleet kasviosat) joko kemiallisin määrityksin (MTT Jokioinen) tai NIR-määrityksin (Boreal Kasvinjalostus Oy). Lisäksi korsi- ja lehtimateriaalista tarkasteltiin niiden anatomista rakennetta safraniini- ja Mäule-värjättyinä valomikroskopialla Helsingin yliopistossa. Tärkeimmiksi prosesseiksi valikoituivat korrenmuodostus, versominen sekä lehtien muodostuminen ja kuoleminen. Timotei ja ruokonata poikkeavat toisistaan yleisesti kasvuprosessien osalta lähes kaikin tavoin, jopa lehtien sulavuuteen vaikuttavien ominaisuuksien osalta. Timotein osalta merkittävimmäksi sadonmuodostusparametriksi havaittiin korrenmuodostus ja laatuparametriksi erot versotyyppien sulavuudessa ja kuolleen solukon määrä. Versotyyppijakauma pääsadon korjuuhetkellä selittää hyvin kasvilajien väliset erot jälkikasvussa. Lisäksi timotein versotyypit poikkeavat ratkaisevasti toisistaan lehtien kasvu- ja kuolemisnopeuksien osalta. Lehtien osuus sadossa selitti hyvin D-arvoa pääsadossa, mutta jälkisadossa kuolleen solukon määrä oli ratkaisevampi. Ruokonadan sato koostui etenkin jälkisadossa lähes täysin VEG-versoista ja siten lehtien osuus sadosta oli korkeampi kuin timoteillä.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,050 | 0,011 |
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 source (Gemma direct ou Codex distillé), 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 ».