In Situ Genetic Evaluation of European Larch Across Climatic Regions Using Marker-Based Pedigree Reconstruction
Notice bibliographique
Résumé
Sustainable and efficient forestry in a rapidly changing climate is a daunting task. The sessile nature of trees makes adaptation to climate change challenging; thereby ecological services and economic potential are under risk. Current long-term and costly gene resources management practices have been primarily directed at few economically important species, and are confined to defined ecological boundaries. Here we present a novel in situ gene-resource management approach that conserves forest biodiversity and improves productivity and adaptation through utilizing basic forest regeneration installations located across a wide range of environments without the reliance on structured tree breeding/conservation methods. We utilized 4,267 25- to 35-year-old European larch trees growing on 21 reforestation installations across four distinct climatic regions in Austria. With the aid of marker-based pedigree reconstruction, we applied multi-trait, multi-site quantitative genetic analyses that enabled the identification of broadly adapted and productive individuals. Height and wood density, proxies to fitness and productivity, yielded in situ heritability estimates of 0.23±0.065 and 0.30±0.073, values similar to those from traditional “structured” pedigrees methods. In addition, individual trees selected with this approach are expected to yield genetic response of 1.1 and 0.7 standard deviations for fitness and productivity attributes, respectively, and be broadly adapted to a range of climatic conditions. Genetic evaluation across broad climatic gradients permitted delineation of suitable reforestation areas under current and future climates. This simple and resource-efficient management of gene resources is applicable to most tree species.
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 | 0,001 | 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 ».