Should I pick that? A scoring tool to prioritize and valuate native wild seed for restoration
Notice bibliographique
Résumé
Commercial sources of native seed are often unavailable for ecological restoration projects or do not have a suitable provenance. Local collection of wild seed is an option, but it can be challenging to collect seed for a variety of species and set fair seed prices. Our aim was to quantify the relative effort to collect, clean, store, and propagate seed to better prioritize species and assess the value of their seed. For 57 species native to the Canadian subarctic and typical of upland habitats, we evaluated 13 poorly correlated attributes in the field and lab or using the literature. For collection attributes, regional occurrence, local abundance, seed collection rate, and collection window were normally or log‐normally distributed. Most species were easy to identify and posed few collection obstacles. Cleaning effort was evenly distributed across species and the majority could be cleaned to more than 95% purity. We only encountered orthodox seed and most species had seed longevity exceeding a year. Seed viability mostly exceeded 80%, pre‐treatment requirements were evenly distributed and the majority of species could be germinated under standard conditions. We propose a standard worksheet, in which we assign relative effort scores to the distribution of each attribute. We illustrate this approach for the revegetation planning of a remote mine site. We also propose a seed lot certificate to ensure high seed quality. This tool can be applied to various restoration applications to assess relative effort, to plan and prioritize species for restoration projects and to help set fair seed pricing.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».