Startseite UR

Machine‐learning algorithms predict soil seed bank persistence from easily available traits

URN zum Zitieren dieses Dokuments:
urn:nbn:de:bvb:355-epub-522928
DOI zum Zitieren dieses Dokuments:
10.5283/epub.52292
Rosbakh, Sergey ; Pichler, Maximilian ; Poschlod, Peter ; Török, Péter
Veröffentlichungsdatum dieses Volltextes: 24 Mai 2022 06:54

Diese Publikation ist Teil des DEAL-Vertrags mit Wiley.


Zusammenfassung

Question Soil seed banks (SSB), i.e. pools of viable seeds in the soil and on its surface, play a crucial role in plant biology and ecology. Information on seed persistence in soil is of great importance for fundamental and applied research, yet compiling data sets on this trait still requires enormous efforts. We asked whether the machine-learning (ML) approach could be used to infer and predict ...

plus


Nur für Besitzer und Autoren: Kontrollseite des Eintrags
  1. Universität

Universitätsbibliothek

Publikationsserver

Kontakt:

Publizieren: oa@ur.de
0941 943 -4239 oder -69394

Dissertationen: dissertationen@ur.de
0941 943 -3904

Forschungsdaten: datahub@ur.de
0941 943 -5707

Ansprechpartner