Nurmen satofysiologia nurmien sadon määrän ja ruokinnallisen arvon perustana
Bibliographic record
Abstract
Nurmet ovat sekä taloudellisesti että maankäytöllisesti merkittävä tuotantomuoto. Tästä huolimatta niiden sadonmuodostuksen sisäisistä prosesseista tiedetään Suomessa varsin niukasti. Yleensä sadonmuodostus kuvataankin vain massan määrän ja ruokinnallisen arvon muutoksina ajan tai lämpötilasumman funktiona. Tässä tutkimuksessa selvitettiin keskeisimmät sadonmuodokseen vaikuttavat prosessit sadon määrän ja ruokinnallisen arvon kannalta. Tutkimuksen kohteena oli erityisesti timotei sekä kasvutavaltaan timoteistä huomattavasti poikkeava ruokonata. Tutkimuksen aineisto koostuu pääosin kahdesta osasta: ruokonadan ja timotein kasvuprosessien vertailusta MTT:n Maaningan toimipisteessä vuosina 2006 - 2007 ja timotein laatujalostusaineistosta valittujen kloonien vertailusta Maaningalla 2008 - 2009. Ensimmäisessä kokeessa määritettiin satofysiologisia parametreja laajasti ja timoteikloonien osalta keskityttiin korrenmuodostukseen ja versotyyppijakaumaan. Molemmissa kokeissa määritettiin ruokinnallinen arvo, mm. sulamaton kuitu (iNDF) ja sulavan orgaanisen aineksen pitoisuus (D-arvo) koko sadosta ja kasvinosittain (lehdet, korret, kukinto, kuolleet kasviosat) joko kemiallisin määrityksin (MTT Jokioinen) tai NIR-määrityksin (Boreal Kasvinjalostus Oy). Lisäksi korsi- ja lehtimateriaalista tarkasteltiin niiden anatomista rakennetta safraniini- ja Mäule-värjättyinä valomikroskopialla Helsingin yliopistossa. Tärkeimmiksi prosesseiksi valikoituivat korrenmuodostus, versominen sekä lehtien muodostuminen ja kuoleminen. Timotei ja ruokonata poikkeavat toisistaan yleisesti kasvuprosessien osalta lähes kaikin tavoin, jopa lehtien sulavuuteen vaikuttavien ominaisuuksien osalta. Timotein osalta merkittävimmäksi sadonmuodostusparametriksi havaittiin korrenmuodostus ja laatuparametriksi erot versotyyppien sulavuudessa ja kuolleen solukon määrä. Versotyyppijakauma pääsadon korjuuhetkellä selittää hyvin kasvilajien väliset erot jälkikasvussa. Lisäksi timotein versotyypit poikkeavat ratkaisevasti toisistaan lehtien kasvu- ja kuolemisnopeuksien osalta. Lehtien osuus sadossa selitti hyvin D-arvoa pääsadossa, mutta jälkisadossa kuolleen solukon määrä oli ratkaisevampi. Ruokonadan sato koostui etenkin jälkisadossa lähes täysin VEG-versoista ja siten lehtien osuus sadosta oli korkeampi kuin timoteillä.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.003 | 0.001 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.004 | 0.010 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".