Spatial variations of throughfall through secondary succession of evergreen broad‐leaved forests in eastern China
Notice bibliographique
Résumé
Abstract Linking spatial variations of throughfall with shifting patterns during forest succession is important for understanding developmental patterns of ecosystem function. However, no such approach has been previously used for the chronosequence of evergreen broad‐leaved forests in subtropical regions. This study was conducted in a chronosequence of secondary forest succession in Tiantong National Forest Park, to determine the optimum number of collectors within certain limits of error. Throughfall was 66, 55 and 77% of gross precipitation in an early‐succession (SS), sub‐climax (SE) and climax (CE) forest, respectively. The coefficient of variations (CV) of throughfall reduced with increasing rainfall amounts. Monte Carlo resampling approach was used to find mean values and 90 and 95% confidence intervals of a variable number of collectors (n) ranging from 2 to 24. During the study period, with nine collectors at SS, five at SE and five at CE, the error in the mean individual throughfall did not exceed 10%, respectively. This error was reduced to 5% when using 16, 10 and 10 collectors at SS, SE and CE, respectively. The CVs decreased greatly with increasing sample size when the sample size was less than 16 for the three successional stages, regardless of rainfall amounts. Based on the Student's t‐value analysis of the mean individual throughfall volumes, a sample size of 16 at SS, five at SE and four at CE would be enough for throughfall estimates at an accepted error of 10% of 95% confidence level, respectively. Therefore, we concluded that the 25 of collectors used in the present study were sufficient to estimate the throughfall value at an accepted error of 10% at 90 and 95% confidence levels, even for those small rainfalls in eastern China. Copyright © 2011 John Wiley & Sons, Ltd.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».