Combining the optimal grafting methods, seasons, and scion donors enhances the conifer grafting success and early supply of the next-generation seedlings
Notice bibliographique
Résumé
Improving the efficiency of grafting enables next-generation seed orchards to be established within a shorter period, resulting in improvement of productivity of high-quality seedlings for afforestation. This study investigates the effects of grafting methods (top-cleft and side-veneer), seasonal variation of collecting scions, and genetic variation of graft scions on the grafting survival rates of Chamaecyparis obtusa (Sieb. et Zucc.) Endl. When comparing the grafting methods, the scion shoot elongation of top-cleft method (13.7 cm) was greater than the side-veneer method (8.9 cm), while the survival rate did not differ between the top-cleft (87.5%) and side-veneer methods (83.3%). When comparing the grafting seasons on the survival rate of top-cleft grafts, the scions collected during the autumn and early spring showed significantly higher survival rates than those collected during the summer. In addition, there was a variation in graft survival rates among the genotypes, and a significant positive correlation ( r = 0.56) was found between the estimated clonal value of graft survival and of the estimated breeding value of trunk volume in the original test sites, indicating that the genotype that grew well had a higher rate of grafting success. These results can serve as practical guidance for conifer grafting.
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 | 0,000 |
| 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 | 0,001 | 0,001 |
| 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 ».