MétaCan
Menu
Retour à la cohorte
Enregistrement W7132912101

Significance of nutrient and carbon storage on drought sensitivity of black spruce (Picea mariana (Mill.) B.S.P.) seedlings

2003· dissertation· W7132912101 sur OpenAlexfundaboutno aff
Seth Seegobin

Notice bibliographique

RevueTSpace · 2003
Typedissertation
Langue
DomaineEnvironmental Science
ThématiqueSeedling growth and survival studies
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésNutrientSeedlingTransplantingReforestationBlack spruceCarbon fibers
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Reforestation of northern Canadian forests involves the outplanting of container grown nursery seedlings. Seedling establishment following outplanting is often hampered by high mortality due to drought stress. Increasing reserves of nutrients and carbohydrates during the nursery phase could improve seedling establishment after transplanting to the field, because stored nutrients and carbon may be used to construct new root tissues, promote osmotic adjustment and repair damaged tissue. To address this hypothesis I investigated the effect of nutrient and carbon loading regimes on the drought sensitivity of Picea mariana. Nursery grown seedlings were subjected to drought preconditioning treatments, exponential nutrient loading or conventional fertilization; and carbon loading or ambient air conditions. Seedling growth following nutrient and carbon loading was enhanced in both drought and non-drought conditions. Moreover, loading resulted in an increased root: shoot ratio and osmotic adjustment in response to drought, both of which may enhance water and nutrient uptake. The results indicate that nutrient and carbon loading improve early outplanting performance of seedlings, and may benefit future reforestation 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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,255
Écart entre enseignants0,242 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTSpaceMême sujetSeedling growth and survival studiesTravaux en français237 207