Fall and Winter Temperatures, Together with Spring Temperatures, Determine the First Flowering Date of Prunus armeniaca L.
Notice bibliographique
Résumé
Chilling and spring temperature accumulation are both considered key factors determining the timing of the spring bloom in many flowering plants. The accumulated developmental progress (ADP) method predicted the first flowering date (FFD) of a species of Rosaceae well in a previous study. However, whether this approach can be applied to other species, and whether the prediction errors in FFD based on the ADP method can be further accounted for by fall and winter temperatures (FWTs), remains unknown. The ADP method and two others were tested using a 39-year apricot FFD data series. The goodness of fit obtained with each method was assessed using the root mean square error (RMSE) between the observed and predicted FFDs. We used the residuals obtained using the ADP method as a response variable to fit generalized additive models (GAMs) including six FWTs as predictors. The GAMs generated based on different combinations of predictors were compared using Akaike's information criterion (AIC) to test whether using FWTs can reduce prediction error. The ADP method had the lowest RMSE, which equaled 3.0904 days. Together, the number of cold days, the number of chilling hours, the mean value of the daily maximum temperatures, and the mean value of the daily mean temperatures from 1 November of the preceding year to the starting date accounted for 96% of the deviance in the residuals obtained using the ADP method. Including these predictors reduced the RMSE to 0.6162 days. The ADP method is a valid technique to quantify the effect of spring temperatures from a given starting date on the FFD. The FWTs and the number of cold days can also influence the FFD. The present work provides evidence that FWTs including daily maximum temperatures and spring mean temperatures together determine the FFD of apricot.
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 | 0,000 |
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 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 ».