Effect of Fire Intensity and Depth of Burn on Lowbush Blueberry, <em>Vaccinium angustifolium</em>, and Velvet Leaf Blueberry, <em>Vaccinium myrtilloides</em>, Production in Eastern Ontario
Notice bibliographique
Résumé
The effects of prescribed fire intensity and depth of burn were investigated on Lowbush Blueberry (Vaccinium angustifolium) and Velvet Leaf Blueberry (Vaccinium myrtilloides) stem density, blueberry production and the number of blueberries/stem in a clear-cut Jack Pine, Pinus banksiana, ecosystem of eastern Ontario. Blueberry production and stem density were significantly (P < 0.001) increased by low intensity prescribed fires of 597 and 1268 kW/m. In contrast, prescribed fires of medium and high intensities did not affect blueberry production and stem density. The number of blueberries/stem was not affected (P = 0.056) by prescribed burning, two years after treatment. Pearson's multiple correlation analysis showed that blueberry production (R: -0.683, P < 0.01), stem density (R: 0.733, P < 0.01) and the number of blueberries/stem (R: 0.803, P < 0.01) correlated with depth of burn. As well, blueberry production (R: 0.507, P < 0.05) and stem density (R: -0.504, P < 0.05) correlated with fire intensity. Depth of burn was a better predictor of berry production and stem density than fire intensity. These results suggest that only low intensity fires with little penetrating effect in the ground should be used to manage blueberry crops.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,001 | 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 ».