MétaCan
Menu
Retour à la cohorte
Enregistrement W2809519795 · doi:10.1080/12298093.2001.12015789

Fungi Colonizing Sap wood of Japanese Red Pine Logs in Storage

2001· article· en· W2809519795 sur OpenAlexaff
Jae‐Jin Kim, Jong-Bum Ra, Dae-Sun Son, Gyu-Hyeok Kim

Notice bibliographique

RevueMycobiology · 2001
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueForest Ecology and Biodiversity Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésBiologyPinus densifloraBotanyTrichodermaPinus radiataFungusRed pinePinus koraiensisPinus <genus>

Résumé

récupéré en direct d'OpenAlex

The Korean sawmills have recently recognized the importance of prevention of fungal discoloration due to increased losses in revenue. Before establishing integrated control strategies of fungal discoloration, more complete knowledge about causal organisms is needed. As a first step, we initiated a through survey of fungi colonizing commercially important softwood (Pinus densiflora, Pinus koraiensis, and Pinus radiata) logs and lumber in Korea. In this paper we report results obtained from Japanese red pine (Pinus densiflora) log study. In summer 2000, fungi were isolated from Japanese red pine logs in storage, and identified based on their cultural and morphological characteristics. A total of 595 fungi were isolated, representing 21 genera and 30 species. Mold fungi, mostly Trichoderma species, were the most frequently isolating fungi, representing more than half of all isolates. Dematiaceous fungi represented approximately one fifth of the isolates, and Rhinocladiella atorvirens was the most abundant in all samples. Opiostoma species represented 7% of all isolates from cores planted on malt extract agar (MEA) and the incidence of these species doubled with the addition of streptomycin and cycloheximide to MEA. The results indicate that Japanese red pine sapwood is susceptible to colonization by a variety of fungal species. As a result, control strategies that concentrate on one fungus may have limited success because of interference from competing flora.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,207
Écart entre enseignants0,186 · 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

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations5
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMycobiologyMême sujetForest Ecology and Biodiversity StudiesTravaux en français237 207