MétaCan
Menu
Retour à la cohorte
Enregistrement W3014693433 · doi:10.1016/j.foreco.2020.118094

Tree breeding and silviculture: Douglas-fir volume gains with minimal wood quality loss under variable planting densities

2020· article· en· W3014693433 sur OpenAlexafffund
Miriam Isaac‐Renton, Michael Stoehr, Catherine Bealle Statland, Jack Woods

Notice bibliographique

RevueForest Ecology and Management · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensMinistry of ForestsNatural Resources CanadaCanadian Forest Service
Organismes subventionnairesForest Genetics Council of British Columbia
Mots-clésSowingGenetic gainSilvicultureTree breedingSelection (genetic algorithm)StockingBiologyPopulationVolume (thermodynamics)Forest managementTree (set theory)AgroforestryForestryAgronomyMathematicsEcologyGenetic variationWoody plantGeographyDemographyAnimal scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Validating performance of genetically-selected trees under realistic planting scenarios is essential for confidence in tree breeding programs. Quantifying the relative impact of genetic selection and initial planting density on tree size and quality can further guide operational forest practices. We evaluate volume gains, survival, stem quality and wood quality traits on 20-year old trees representing three levels of genetic selection that were grown under four initial planting densities. Working in a realized gain trial for coastal Douglas-fir (Pseudotsuga menziesii var. menziesii (Mirb.) Franco) on five replicated sites, we ask: (1) Do predicted stand productivity levels materialize as expected under different planting densities? (2) Are single-tree plot designs, simulating progeny trials, capable of producing reliable results relative to large-block designs, simulating realistic planting scenarios? (3) If trees selected for volume gain show declines in wood and stem quality relative to wild-stand controls, can this be effectively managed by altering stocking densities? Because young progeny trials are used to estimate genetic gain in tree volume at a rotation age of 60, we use a growth and yield model calibrated to wild-stand controls to assess whether genetically-selected families meet projections at age 20. On average, observed stand volumes exceeded projections on four out of five sites, and in three out of four initial planting densities. At the level of site by planting density, the moderate genetic-gain population (mid-gain) exceeded projections 13 out of 20 times while the top genetic-gain population (top-crosses) exceeded projections 11 out of 20 times. This fits expectations for breeding values, which are designed to reflect general performance averaged across all environments. Using a different validation approach, large-block designs showed better performance relative to simulated progeny trial designs. Very high planting densities (1890+ stems/ha) may minimize wood quality losses of genetically-selected planting stock but effects are relatively minor, while good performance among all traits was observed at operational planting densities (~1189 stems/ha). Wood density and microfibril angle proxy measures in top-crosses showed relatively minor and non-significant losses (−1.1 to −4.0%) compared to major and significant gains in volume per hectare at age 20 (29.0%) when averaging values at 1189 and 1890 stems/ha. Altogether, the genetic selection systems produce reliable results across a range of site qualities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,231
Score d'incertitude au seuil0,776

Scores Codex et Gemma par catégorie

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 ouverte0,0000,001
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 Opus0,014
Tête enseignante GPT0,213
Écart entre enseignants0,199 · 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 tête enseignante, 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

Citations37
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueForest Ecology and ManagementMême sujetForest ecology and managementTravaux en français237 207