MétaCan
Menu
Retour à la cohorte
Enregistrement W3044669273 · doi:10.1139/cjfr-2019-0438

Initial productivity and genetic parameters of three <i>Corymbia</i> species in Brazil: designing a breeding strategy

2020· article· en· W3044669273 sur OpenAlexvenueno aff
Márcio José de Araújo, David John Lee, Evandro Vagner Tambarussi, Rinaldo César de Paula, Paulo Henrique Müller da Silva

Notice bibliographique

RevueCanadian Journal of Forest Research · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensnon disponible
Organismes subventionnairesUniversidade de São PauloConselho Nacional de Desenvolvimento Científico e Tecnológico
Mots-clésHeritabilityBiologySelection (genetic algorithm)PopulationDiameter at breast heightGenetic gainSowingHorticultureBotanyGenetic variationDemographyEvolutionary biology

Résumé

récupéré en direct d'OpenAlex

The survival, initial productivity, and the genetic parameters of Corymbia citriodora subsp. citriodora (CCC), Corymbia citriodora subsp. variegata (CCV), and Corymbia torelliana (CT) were used to develop a breeding strategy for the Corymbia species. Survival, height, and diameter at breast height (DBH) data were assessed 24 and 36 months after planting, and the mean annual volume increment was estimated in three trials. Longitudinal DBH data analysis was applied individually to each trial to identify the best and the poorest families at both ages. The mortality ranged from 5% in CT to 27% in CCC, and the mean annual increment varied from 17.8 to 20 m3·ha−1·year−1 at 36 months after planting. The 36-month narrow-sense heritability [Formula: see text] was high for CCV (0.69 ± 0.17), moderate for CCC (0.41 ± 0.11), and low for CT (0.21 ± 0.09). The genetic parameters indicated the need for different breeding strategies for each species. Selecting the best families while roguing the poor families allowed forward selection of CCC and CCV. It was possible to select good CT trees for hybrid breeding; however, improving the species population requires focusing on increasing the effective size and expanding the genetic variability in the CT population.

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)0,001
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 enseignants0,075
Score d'incertitude au seuil0,149

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 Opus0,086
Tête enseignante GPT0,295
Écart entre enseignants0,209 · 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

Citations16
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetForest ecology and managementTravaux en français237 207