Conventional versus genomic selection for white spruce improvement: a comparison of costs and benefits of plantations on Quebec public lands
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Intensive plantation forestry is a potent strategy for forest managers to increase wood production on a smaller forest land acreage, especially with the use of genetically improved reforestation stock. The main drawback with conventional conifer improvement is the several decades it takes before stock deployment, which is particularly acute in the context of climate change and evolving wood markets. Use of genomic selection allows to drastically shorten breeding cycles, resulting in more flexibility and potentially increasing benefits. This study compares the financial performance of five white spruce ( Picea glauca ) breeding and deployment scenarios, from conventional breeding to genomic selection in conjunction with top-grafting or the use of somatic embryogenesis, in the context of plantations established by the Quebec government on public lands with banned herbicide use. We estimated the land expectation value (LEV) for the five scenarios applied to eight site productivity indices, and considered costs and revenues from breeding, plantation establishment, silviculture, and harvest. LEVs at 4% discount rate were positive for all scenarios on all site indices, and varied from $197 to $2015 ha −1 assuming mechanical brushing of the plantations. The scenarios integrating genomic selection resulted in the highest LEVs, which increased with site index. We also conducted sensitivity analyses with 3% and 5% discount rates, with a range of costs and benefits, and with herbicide control of competing vegetation. These results should help orientate public investment decisions regarding the integration of genomic selection at the operational level in tree breeding and reforestation programs on public lands.
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.
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 découle