Global near infrared spectroscopy models to predict wood chemical properties of <i>Eucalyptus</i>
Notice bibliographique
Résumé
Global near infrared spectroscopy models (multiple-species, multiple-sites) were developed to predict chemical properties of Eucalyptus wood. The sample data set included 186 samples from four data sets (five species) originating from six countries: Eucalyptus urophylla from Argentina, Colombia, Venezuela, and South Africa; Eucalyptus dunnii from Uruguay; Eucalyptus globulus and Eucalyptus nitens from Chile; and Eucalyptus grandis from Colombia. The 186 samples were all preselected from larger collections of 400 to nearly 1800 samples to represent the range of chemical and spectral variation in each data set. The chemical traits modeled were total lignin, insoluble lignin, soluble lignin, syringyl–guaiacyl ratio (S/G), glucose, xylose, galactose, arabinose, and mannose. Single-species models and global multiple-species models were developed for each chemical constituent. For the global model, the R 2 cv for total lignin, insoluble lignin and syringyl–guaiacyl ratio were 0.95, 0.96, and 0.86, respectively. An alternate expression of the syringyl–guaiacyl relationship (S/(S+G)) resulted in better near infrared calibrations (e.g., for the global model, R 2 cv = 0.95). The global models for sugar content were also very good, but were slightly inferior to those for the lignin related traits, with R 2 cv = 0.74 for glucose, 0.89 for xylose, and from 0.72 to 0.91 for the minor sugars. To investigate the utility of the global models to predict chemical traits for species not included in the calibration, three-species calibrations were used to predict each trait in a fourth species data set. The prediction fit statistics ranged from excellent to poor depending on the species and trait, but in general the predictions would be at least moderately useful for most species-trait combinations. For some species-trait combinations with poor initial predictions from the global model, the inclusion of 10 samples from the “new” species into the calibration global model improved the fit statistics substantially. The global calibrations will be useful in tree breeding programs to rank species, families, and clones for important wood chemical traits.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 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 ».