MétaCan
Menu
Retour à la cohorte
Enregistrement W1909333355 · doi:10.1139/x07-063

Forest soil rehabilitation with tillage and wood waste enhances seedling establishment but not height after 8 years

2007· article· en· W1909333355 sur OpenAlexaffvenue
Chuck Bulmer, Kirsty H. Venner, Cindy E. Prescott

Notice bibliographique

RevueCanadian Journal of Forest Research · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueForest Biomass Utilization and Management
Établissements canadiensGovernment of British ColumbiaUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceMulchPinus contortaTopsoilTillageGrowing seasonCompostAgronomySoil waterWater contentForestrySoil scienceBiologyGeography

Résumé

récupéré en direct d'OpenAlex

We evaluated soil conditions of rehabilitated log landings in the Interior Douglas-fir biogeoclimatic zone of British Columbia during the first 3 years after treatment and the growth of lodgepole pine ( Pinus contorta Dougl. ex Loud. var. latifolia Engelm.) on these log landings over 8 years. Rehabilitation treatments included combinations of tillage and the addition of either stockpiled topsoil or one of three organic amendments: hog fuel, sort-yard waste, and a wood waste – biosolids compost. The woody amendments were either applied as a surface mulch or incorporated into the soil after tillage. Tillage and addition of wood waste reduced soil bulk density and increased carbon content. Daytime soil temperatures in summer were lower under a hog fuel mulch than for the other treatments. The plots receiving hog fuel also had higher soil moisture content. One year after treatment, soil mechanical resistance for untreated soils, and those that were simply tilled, exceeded 2500 kPa for much of the growing season. Plots receiving wood waste had lower mechanical resistance. Use of wood waste in rehabilitation improved soil conditions and contributed to improved survival rates for planted lodgepole pine seedlings. Height growth after 8 years was not significantly affected by the treatments.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,041
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,012
Tête enseignante GPT0,246
Écart entre enseignants0,234 · 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

Citations32
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetForest Biomass Utilization and ManagementTravaux en français237 207