MétaCan
Menu
Retour à la cohorte
Enregistrement W1968244794 · doi:10.1139/x06-029

The effect of initial tree-planting density on timber and wood-fuel properties of red alder and sycamore

2006· article· en· W1968244794 sur OpenAlexvenueno aff
Ronnie Mmolotsi, Z. Teklehaimanot

Notice bibliographique

RevueCanadian Journal of Forest Research · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueTree Root and Stability Studies
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Education, IndiaMinistry of Earth Sciences
Mots-clésAlderSowingBotanyHorticultureAcer pseudoplatanusBiology

Résumé

récupéré en direct d'OpenAlex

Studies on red alder (Alnus rubra Bong.) and sycamore (Acer pseudoplatanus L.) were carried out to assess their timber and wood-fuel properties when grown at wide spacing as in a silvopastoral system. Initial tree-planting density had significant effects on the modulus of elasticity (MOE) in red alder and compression strength in sycamore. Wood samples taken from red alder in high-density plots of 2500 stems·ha–1 had a significantly higher MOE than those from trees in low-density plots of 400 stems·ha–1 (silvopastoral system). Sycamore wood from the high-density plots had significantly higher compression strength than that from the low-density plots. However, there was no significant effect of planting density on the modulus of rupture in either species. On average, red alder had lower wood density, modulus of rupture, and compression strength than sycamore, but there was no significant difference in MOE between the two species. Planting density did not have any effect on the wood-fuel higher heating value of either red alder or sycamore, nor was there a significant difference in wood-fuel higher heating value between the two species. However, red alder wood had a significantly higher fuel-value index than sycamore, owing to its lower ash content.

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 enseignants0,010
Score d'incertitude au seuil0,020

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
Bibliométrie0,0010,000
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 Opus0,027
Tête enseignante GPT0,272
Écart entre enseignants0,245 · 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

Citations8
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetTree Root and Stability StudiesTravaux en français237 207