Assessing the Height Gain Trajectory of White Spruce and Hybrid Spruce Provenances in Canadian Boreal and Hemiboreal Forests
Notice bibliographique
Résumé
We assessed the impacts of tree improvement programs on the associated gains in yield of white spruce (Picea glauca (Moench) Voss) and hybrid spruce (Picea engelmannii Parry ex Engelmann x Picea glauca (Moench) Voss) over long temporal and large spatial extents. The definition of gain varied in the tree improvement programs. We assessed the definition of gain using a sensitivity analysis, altering the evaluation age with the definitions of the baseline and top performers. We used meta-data from provenance trials extracted from the literature to model the yields of provenances relative to those of standard stocks. Using a previously developed meta-model and a chosen gain definition, a meta-dataset of the gain of plantation ages was developed. Using this gain meta-dataset, a gain trajectory model was fitted for white and hybrid spruce provenances across Canadian boreal and hemiboreal forests. The planting site, mean annual daily temperature, mean annual precipitation, and number of degree days > 5 °C had large impacts on gain. This model can be used to predict gain up to harvest age at any planting site in the boreal and hemiboreal forests of Canada. Further, these gain trajectories could be averaged over a region to indicate the yield potential of tree improvement 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.
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 ».