Aerial Seeding: An Effective Forest Restoration Method in Highly Degraded Forest Landscapes of Sub-Tropic Regions
Notice bibliographique
Résumé
Carbon stock is an important indicator of cumulative ecosystem productivity. Using this indicator, and based on field sampling data, this paper compared the long-term difference in carbon stocks between aerial seeding (AS) and natural regeneration (NR) forests of Pinus massoniana in sub-tropic forests, China, in order to assess the effectiveness of AS in a highly degraded forest landscape. The results showed that the carbon stocks of stems, branches, roots, and trees (including stems, branches, leaves, and roots) were 140%, 85%, 110%, and 110%, significantly higher (p < 0.05) in the NR forests than those in the AS forests at the ages of 11–20 years, respectively. In addition, the carbon stocks of understory, litter and soil were also 176%, 151%, and 77%, significantly higher (p < 0.05) in the NR forests than those in the AS forests at the same age range, respectively. However, with increasing age (i.e., >21 years), those differences became statistically insignificant (p > 0.05). The total carbon stocks of the two forest types also showed a similar pattern. Those results clearly demonstrate that AS was an effective mean for restoring carbon stocks in highly degraded areas, even though their early growth was lower than the NR forests, and thus can be applied in the regions where the areas with limited seed sources and road accessibility.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».