MétaCan
Menu
Retour à la cohorte
Enregistrement W1751364538 · doi:10.1139/x11-034

Modelled impact of Norway spruce logging residue extraction on biodiversity in Sweden

2011· article· en· W1751364538 sur OpenAlexvenueno aff
Anders Dahlberg, Göran Thor, Johan Allmér, Mats Jonsell, Mattias Jonsson, Thomas Ranius

Notice bibliographique

RevueCanadian Journal of Forest Research · 2011
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueForest Ecology and Biodiversity Studies
Établissements canadiensnon disponible
Organismes subventionnairesSkogforskEnergimyndigheten
Mots-clésPicea abiesLichenLoggingCoarse woody debrisBiodiversityEnvironmental scienceForestryAbies albaHabitatBark (sound)KarstIndicator speciesAgroforestryGeographyEcologyBiologyArchaeology

Résumé

récupéré en direct d'OpenAlex

Logging residues are increasingly being extracted for bioenergy purposes. This study estimates how extraction of fine woody debris (FWD) may affect the overall habitat availability for 577 species of wood- and bark-inhabiting basidiomycetes, beetles, and lichens in Sweden using Norway spruce ( Picea abies (L.) Karst.) as their primary substrate. We combined modeling of (i) the amount of various types of woody debris available throughout a forest rotation in managed forests with (ii) a classification of each species’ associations with different types of wood. In three different regions, we compared a scenario with no logging residue extraction with three different levels of extraction. Our results suggest that the extraction may cause a 35%–45% reduction in aboveground FWD and a more than 20% decline in the potential amount of substrate for about 50% of the species (affecting basidiomycetes and beetles more than lichens). The intensified forestry during the last century has, however, steadily increased the production of FWD. Furthermore, no red-listed species is primarily associated with logging residues of Norway spruce. Therefore, the current situation in Sweden with extraction of 70% of Norway spruce FWD on 50% of the clearcuts probably constitutes a minor contribution to the regional extinction risks.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,415
Score d'incertitude au seuil0,885

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,142
Tête enseignante GPT0,309
Écart entre enseignants0,168 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations63
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetForest Ecology and Biodiversity StudiesTravaux en français237 207