Using spruces (Picea spp.) for Icelandic afforestation
Notice bibliographique
Résumé
Afforestation can help address climate change and biodiversity loss. Iceland is a valuable case study to assess afforestation at extreme locations at high latitudes (63–68°N). We used a ~ 23-year dataset of a provenance trial from the Icelandic Forest Service (now Land & Forest Iceland) to determine the best spruce species ( Picea spp.) and provenances for afforestation. Sites were either frost-prone or protected (i.e., non-frost-prone) locations, and the latest height and survival data were assessed from six sites (out of nine) in 2018. Provenances were mainly from three spruce species from southwestern Canada and southern Alaska (53–61°N). Sitka spruce ( Picea sitchensis ) and its hybrids or introgressants with white spruce ( P. glauca ) survived and grew well in protected areas (≥ 60% and ≥ 275 cm), while white spruce and its hybrids or introgressants with Sitka spruce performed better in frost-prone areas (≥ 55% and ≥ 285 cm, based on combined frost-prone sites). The only provenance suitable for both frost-prone and protected places was a Sitka/Lutz spruce ( P. x lutzii ) introgressant from Iniskin Bay, Alaska. Additional genetic research would help guide afforestation in harsh areas at high latitudes (a distributional limit of many tree species) and inform forest management about novel environments and sustainable practices. Climate change should also be considered for afforestation efforts.
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 | 0,000 | 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 | 0,001 |
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 ».