MétaCan
Menu
Retour à la cohorte
Enregistrement W1959569872 · doi:10.1139/x11-087

A meta-analysis of the effects of clearcut and variable-retention harvesting on soil nitrogen fluxes in boreal and temperate forests

2011· article· en· W1959569872 sur OpenAlexaffvenue
Lucie Jeřábková, Cindy E. Prescott, Brian Titus, Graeme D. Hope, Michael B. Walters

Notice bibliographique

RevueCanadian Journal of Forest Research · 2011
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensGovernment of British ColumbiaNatural Resources CanadaCanadian Forest ServiceUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésClearcuttingNitrificationDeciduousEnvironmental scienceCyclingNitrogen cycleTaigaLeaching (pedology)NitrogenAgronomyGrowing seasonTemperate deciduous forestTopsoilSoil waterChemistryBotanyEcologyBiologyForestrySoil science

Résumé

récupéré en direct d'OpenAlex

One of the assumed advantages of variable-retention (VR) harvesting over clearcut harvesting is reduced postharvest leaching losses of nitrogen. We test this assumption by synthesizing results from long-term field trials in a meta-analysis. Overall, clearcutting significantly increased soil NO 3 -N concentration, NO 3 -N as a proportion of soluble inorganic nitrogen (SIN), N concentration in leachates, N flux, nitrification rates, and pH, but not total N, NH 4 -N, SIN concentration, ammonification, or N mineralization rate. The proportion of soil NO 3 -N in deciduous forests increased immediately and returned to preharvest levels within five years; the effect was delayed in coniferous forests, but levels remained elevated for several years. Deciduous leaf litter decomposed faster and needle litter decomposed more slowly on clearcut sites than in uncut forests. Single-tree selection caused smaller changes in NO 3 -N than removal of groups of trees (i.e., gap creation) and led to smaller increases in NO 3 -N as a proportion of SIN than clearcut harvesting. High levels of retention (>70%) were required to maintain uncut stand N-cycling characteristics. Postharvest NO 3 -N levels could be predicted from NO 3 -N availability in the uncut forests.

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 enseignants0,592
Score d'incertitude au seuil0,914

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,098
Tête enseignante GPT0,272
Écart entre enseignants0,174 · 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

Citations95
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetSoil Carbon and Nitrogen DynamicsTravaux en français237 207