Labrador tea Rhododendron tomentosum Harmaja annual shoot growth depending on environmental conditions
Bibliographic record
Abstract
Darbā raksturotas tūbainā rododendra Rhododendron tomentosum Harmaja viengadīgu veģetatīvo un ģeneratīvo dzinumu uzbūves īpašības, salīdzināti katra dzinuma apikālā un bazālā gala fragmenti. Dzinumi ievākti trīs dažādās audzēs, lai noskaidrot vides faktoru – klimatisko apstākļu un augsnes sastāva iespējamo ietekmi primārajā un sekundārajā augšanā. Viengadīgajiem dzinumiem izmērīts gada pieaugums, bet iegūtajiem griezumiem mērīti astoņi raksturlielumi. Dzinumi bija garāki un resnāki augot skābā augsnē , mērenos meteoroloģiskajos apstākļos Apšuciemā. Mazāki izmēri raksturīgi Teiču purvā ievāktajiem paraugiem, kur pēc meteoroloģiskajiem novērojumiem gads bijis nokrišņiem bagāts un applūšana visticamāk ietekmējusi barības vielu uzņemšanu un augšanu. Ģeneratīvie dzinumi ir garāki par veģetatīvajiem dzinumiem, tie balsta ziedu vainagu, kam nepieciešama lielāka mehāniskā izturība, labāka pieejamība apputeksnētājiem. Apikālā gala griezumu fragmentiem raksturīga samērā bieza primārā miza, daudz dziedzermatiņu un jauno pumpuru, savukārt bazālā gala griezumu fragmentiem jau attīstījies biezāks sekundārās koksnes slānis.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
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; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".