MétaCan
Menu
Retour à la cohorte
Enregistrement W6967631566 · doi:10.5061/dryad.37354

Data from: Genetic consequences of selection cutting on sugar maple (Acer saccharum Marshall)

2016· dataset· en· W6967631566 sur OpenAlexaffabout

Notice bibliographique

RevueData Archiving and Networked Services (DANS) · 2016
Typedataset
Langueen
DomaineChemistry
ThématiquePlant-Derived Bioactive Compounds
Établissements canadiensUniversité du Québec en Abitibi-Témiscamingue
Organismes subventionnairesnon disponible
Mots-clésSelection (genetic algorithm)Genetic diversityInbreedingMapleSaccharumFixation (population genetics)Loss of heterozygosityGenetic variation

Résumé

récupéré en direct d'OpenAlex

Selection cutting is a treatment that emulates tree-by-tree replacement for forests with uneven-age structures. It creates small openings in large areas and often generates a more homogenous forest structure (fewer large leaving trees and defective trees) that differs from old-growth forest. In this study, we evaluated whether this type of harvesting has an impact on genetic diversity of sugar maple (Acer saccharum Marshall). Genetic diversity among seedlings, saplings and mature trees was compared between selection cut and old-growth forest stands in Québec, Canada. We found higher observed heterozygosity and a lower inbreeding coefficient in mature trees than in younger regeneration cohorts of both forest types. We detected a recent bottleneck in all stands undergoing selection cutting. Other genetic indices of diversity (allelic richness, observed and expected heterozygosity and rare alleles) were similar between forest types. We concluded that the effect of selection cutting on the genetic diversity of sugar maple was recent and no evidence of genetic erosion was detectable in Québec stands after one harvest. However, the cumulative effect of recurring applications of selection cutting in bottlenecked stands could lead to fixation of deleterious alleles, and this highlights the need for adopting better forest management practices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,603
Score d'incertitude au seuil0,798

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0170,012

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,270
Écart entre enseignants0,233 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueData Archiving and Networked Services (DANS)Même sujetPlant-Derived Bioactive CompoundsTravaux en français237 207