Wood and Pulping Properties Variation of Acacia crassicarpa A.Cunn. ex Benth. and Sampling Strategies for Accurate Phenotyping
Notice bibliographique
Résumé
Research Highlights: This study provides a comprehensive set of wood and pulping properties of Acacia crassicarpa A.Cunn. ex Benth. to assess variation and efficient sampling strategies for whole-tree level phenotyping. Background and Objectives: A. crassicarpa is an important tree species in Southeast Asia, with limited knowledge about its wood properties. The objective of this study was to characterize important wood properties and pulping performance of improved germplasm of the species. Furthermore, we investigated within-tree patterns of variation and evaluated the efficiency of phenotyping strategies. Materials and Methods: Second-generation progeny trials were studied, where forty 50-month-old trees were selected for destructive sampling and assessed for wood density, kraft pulp yield, α-cellulose, carbohydrate composition, and lignin content and composition (S/G ratio). We estimated the phenotypic correlations among traits determined within-tree longitudinal variation and its importance for whole-tree level phenotyping. Results: The mean whole-tree disc basic density was 481 kg/m3, and the screened kraft pulp yield was 53.8%. The reliabilities of each sampling position to predict whole-tree properties varied with different traits. For basic density, pulp yield, and glucose content, the ground-level sampling could reliably predict the whole-tree property. With near infrared reflectance spectroscopy predictions as an indirect measurement method for disc basic density, we verified reduced reliability values for breast height sampling but sufficiently correlated to allow accurate ranking and efficient selection of genotypes in a breeding program context. Conclusions: We demonstrated the quality of A. crassicarpa as a wood source for the pulping industry. The wood and pulping traits have high levels of phenotypic variation, and standing tree sampling strategies can be performed for both ranking and high-accuracy phenotyping purposes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».