MétaCan
Menu
← Retour à la cohorte
Enregistrement W2888362321 · doi:10.1139/cjfr-2018-0197

The canopy coverage is correlated with the number of shoots produced by <i>Eucalyptus</i> clones in a clonal mini-garden

2018· article· en· W2888362321 sur OpenAlexvenueno aff
Natália Saudade de Aguiar, Márcio Carlos Navroski, Letícia Miranda, Clenilso Sehnen Mota, Regiane Abjaud Estopa, Marcos Felipe Nicoletti, Enéas Ricardo Konzen

Notice bibliographique

RevueCanadian Journal of Forest Research · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCanopyCuttingShootEucalyptusHorticultureclone (Java method)BiologyBotanyEucalyptus tereticornis

Résumé

récupéré en direct d'OpenAlex

In this work, we analyzed the correlation between the canopy coverage of two commercial clones of Eucalyptus benthamii Maiden & Cambage and one of Eucalyptus dunnii Maiden and their shoot yields in a clonal mini-garden system. By canopy coverage, we referred to the area of a picture occupied by leaves (green area) when analyzed using computational resources. The mini-garden was set up to yield shoots on a regular time schedule (between 20 and 30 days) to obtain mini-cuttings for clonal propagation. Pictures were taken at approximately 30 cm above the upper leaves from the plots containing mini-stumps of each clone on the day before the collection of mini-cuttings for six consecutive harvests (approximately 6 months). The leaf coverage was obtained using the computational package Easy Leaf Area. Our results indicated a significantly high Pearson correlation coefficient (r = 0744, P < 0.001) between the canopy coverage and the number of shoots produced by each clone. A logistic regression model was adjusted to this dataset, enabling a prediction of the number of shoots based on the canopy coverage. This approach has the potential for assisting forest nurseries in predicting the yield of mini-cuttings while conducting clonal propagation of their genetic materials.

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,013
Tête enseignante GPT0,270
Écart entre enseignants0,258 · 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest Research→Même sujetForest ecology and management→Travaux en français237 207→