Modelling internal tree attributes for breeding applications in Douglas-fir progeny trials using RPAS-ALS
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
Coastal Douglas-fir (Pseudotsuga menziesii (Mirb.) Franco) is one of the most commercially important softwood species in North America. In British Columbia, Canada, breeding has increased volume gains between 20 and 30%, while 97% of seedlings come from improved seed sources. Branching traits in particular, have a strong influence on strength and stiffness of Douglas-fir wood; however, they are rarely measured. Remotely Piloted Aerial Systems and Airborne Laser Scanning Systems (RPAS-LS) produce high-density three-dimensional point clouds that can be used for the creation of internal geometric features describing individual tree branching structures. We analyzed a Coastal Douglas-fir progeny test trial located in British Columbia, Canada, and developed a new method to estimate branch attributes from RPAS-LS data for inclusion as selection criteria in tree improvement programs. Branch length, angle, width, and volume were estimated for each tree. Narrow-sense heritability (the proportion of variation due to genetics) and genetic correlations were also estimated. The method extracted branch length with a correlation (r) of 0.93 compared to manual measurements. Using these branch attributes, results then show that branch angle had the highest heritability (0.277), while tree height and branch length had the highest genetic correlation (0.668). These findings are encouraging for forest managers as they indicate that branch level metrics should be considered when selecting trees in breeding programs.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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