Near-infrared spectral signatures differentiate blue stain and brown rot fungi in conifer and broadleaf trees
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
Colonization by blue stain and brown rot fungi affects timber quality in distinct ways. Blue stain fungi cause discoloration without reducing wood properties, while brown rot fungi degrade wood tissues, resulting in brittleness and brown coloration. Given these chemical differences, we investigated whether near-infrared spectroscopy (NIRS) could distinguish between these fungal types. We hypothesized that early fungal attack would produce unique spectral signatures, allowing for rapid identification. Wood disc samples were collected from white spruce, lodgepole pine, and trembling aspen in Fox Creek, northwest Alberta, Canada, ca. 4 months after a wildfire. The trees were colonized by fungi associated with blue and brown sapwood discoloration and analyzed using NIRS. In white spruce, we found consistent and significant absorbance differences between blue- and brown-discolored sapwood across each 100 nm segment. In lodgepole pine, the most distinct differences occurred in the 1650–1750 nm, 2050–2150 nm, and 2350–2450 nm ranges. For trembling aspen, differences were evident across most 100 nm intervals, except 2150–2250 nm. Permutational multivariate analysis of variance (PERMANOVA) indicated greater spectral dissimilarity between fungal types in white spruce and trembling aspen, with less pronounced differences in lodgepole pine. Our findings suggest that NIRS can effectively classify fungal-discolored wood in white spruce and trembling aspen within the first year following wildfire. However, its application to lodgepole pine in the same timeframe may be less reliable.
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 | 0,000 | 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 découle