MétaCan
Menu
Retour à la cohorte
Enregistrement W1882691180 · doi:10.1139/cjfr-2012-0224

A nutrient budget for a selection harvest: implications for long-term sustainability

2012· article· en· W1882691180 sur OpenAlexaffvenueabout
Tyler Phillips, Shaun A. Watmough

Notice bibliographique

RevueCanadian Journal of Forest Research · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Water Nutrient Dynamics
Établissements canadiensTrent University
Organismes subventionnairesnon disponible
Mots-clésNutrientEnvironmental scienceBasal areaSoil waterHydrology (agriculture)Range (aeronautics)WeatheringExperimental forestMonte Carlo methodDeposition (geology)Atmospheric sciencesEcologySoil scienceGeologyBiologyMathematicsSedimentStatisticsGeomorphology

Résumé

récupéré en direct d'OpenAlex

Declining concentrations of Ca and other base cations in soils and surface waters in eastern North America have led to concerns that forests may become nutrient limited, particularly in regions that are harvested. We constructed a nutrient budget for a selection harvest in central Ontario that is typical of eastern North America. Atmospheric deposition (5-year average) and mineral weathering (PROFILE) were considered as the sole inputs to the forest, while exports included nutrient losses in streams and removed in stems. Sugar maple ( Acer saccharum Marsh.) was the only tree species removed in the study (∼30% of basal area) and harvesting had no strong impact on stream chemistry. Mass balance calculations were performed on average values, but with estimates of uncertainty associated with each input parameter. A Monte Carlo simulation was run (10 000 runs) for Ca, Mg, K, Na, P, N, and S. In the absence of harvesting, average mass balance estimates are positive for all nutrients except S. When harvesting is considered, average mass balances remain positive for all nutrients except Ca, K, and S. Monte Carlo simulations demonstrate that mass balances for Na are always positive, while mass balances for Mg, K, N, P, and S range from slightly positive to slightly negative. In contrast, mass balance simulations for Ca are always negative and average net losses represent ∼1% of the current exchangeable soil Ca pool.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,535
Score d'incertitude au seuil0,935

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,038
Tête enseignante GPT0,337
Écart entre enseignants0,299 · 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 source (Gemma direct ou Codex distillé), 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

Citations33
Publié2012
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetSoil and Water Nutrient DynamicsTravaux en français237 207