MétaCan
Menu
Retour à la cohorte
Enregistrement W2776550011 · doi:10.5683/sp/gzgd9q

Replication data for: Developing protocols for the collection and valuation of wild native seed from the Hudson Bay Lowland

2017· dataset· en· W2776550011 sur OpenAlexaffabout
Brittany Rantala‐Sykes, Daniel Campbell

Notice bibliographique

RevueBorealis · 2017
Typedataset
Langueen
DomaineEnvironmental Science
ThématiqueRangeland and Wildlife Management
Établissements canadiensLaurentian University
Organismes subventionnairesnon disponible
Mots-clésIntroduced speciesGerminationRevegetationNative plantBiologyBayGeographyEcologyAgronomyLand reclamation

Résumé

récupéré en direct d'OpenAlex

Native species are being more commonly used and often even mandated in restoration projects. However, commercial seed sources are often unavailable or not of a suitable provenance. Collecting seed from wild sources is an alternative, but it can be challenging. The objectives of this study were to: 1) identify key attributes that influence the value of seed and to evaluate and quantify these differences for 57 native species with potential for restoration in subarctic Ontario; 2) determine if fertilizers could increase the seed yield of wild species with a low seed output; 3) determine and compile simple and effective protocols for the collection, processing, storage, and germination of 60 wild species native to northeastern Ontario. Field studies were conducted at De Beers’ Victor diamond mine, located in the Hudson Bay Lowland in north-central Canada from 2014 to 2016. To complete the first objective, I evaluated the attributes that affect the time and cost of using wild seeds from upland native plants. Taking into account the regional abundance of species, collection obstacles, requirements for identification, ease of processing and storing seeds, and propagation effort, I ranked the results for each species within each attribute. Each category provided a relative value reflective of the effort required to collect, process, store, and propagate seed of a given species. I demonstrate how these relative values could be used to prioritize species in revegetation planning. These relative seed values can also be used to determine seed prices for a variety of projects and locations. For my second objective, I fertilized wild populations of American vetch (Vicia americana) and silverweed (Potentilla anserina). These herbaceous upland species may be useful in reclamation, but had low seed yields in 2014. Fertilization had no effect on seed yield and neither species set seed, regardless of treatment, except for a single American vetch plot. I discuss various environmental factors that may have had an influence on the poor seed yields. Fertilizing wild populations may not be an effective approach to increase seed yield for these species in a subarctic environment, although testing a variety of fertilizer rates and environments could guide future studies. For the final objective, I field-tested seed collection and seed processing protocols for native species desired for revegetation, and I compiled information from the literature on their storage and propagation requirements. I produced both a general guide and profiles for 60 species. The guide is written in lay language, with many photographs and provides an overview of the required knowledge for harvesting seed from wild plants. This guide will be useful to people who wish to begin collecting seed for any reason, including restoration projects, nursery establishment and even gardening. The demand for native and local seed is growing. With increased mining development in remote areas, the demand for local native seed for restoration will continue to increase. This research will contribute to the knowledge of collecting wild seed from native species and improve the success of these collection programs. This work could provide a base for small business development in remote communities.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Jeu de données
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: oui
Sans objetlow
gptaucune catégorie
Domaine: non disponible · Genre: Jeu de données
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: oui
Sans objethigh
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,043
score de la tête « metaresearch » (Gemma)0,164
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,925
Score d'incertitude au seuil0,955

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0430,164
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0050,008
Études des sciences et des technologies0,0050,002
Communication savante0,0040,003
Science ouverte0,0030,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,3300,132

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 Opus0,103
Tête enseignante GPT0,356
Écart entre enseignants0,253 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBorealisMême sujetRangeland and Wildlife ManagementTravaux en français237 207