MétaCan
Menu
Retour à la cohorte
Enregistrement W1971975851 · doi:10.1139/x07-087

Increment and decay in Norway spruce and Scots pine after artificial logging damage

2007· article· en· W1971975851 sur OpenAlexvenueno aff
Harri Mäkinen, Anna‐Maija Hallaksela, Antti Isomäki

Notice bibliographique

RevueCanadian Journal of Forest Research · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueForest Biomass Utilization and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScots pinePicea abiesCoringCollarPinus <genus>LoggingEnvironmental sciencePicea engelmanniiBotanyHorticultureForestryBiologyGeographyPinus contortaMaterials science

Résumé

récupéré en direct d'OpenAlex

The effects of depth, size, location, and season of artificial logging damage on increment and decay of Norway spruce ( Picea abies (L.) Karst.) and Scots pine ( Pinus sylvestris L.) trees were studied in long-term experiments in central Finland. Damage types applied were root damage, root collar damage, increment borer hole, and stem damage. In root collar and stem damages, two sizes (100 or 400 cm2) and depths (shallow or deep) were applied. Five to 20 years after damaging, the damages did not result in a decrease in radial, height, or volume increment. In Norway spruce, the frequency of decay in the root collar and stem damages was high. From large and deep damages, decay spread faster than from smaller and shallow ones. In Scots pine, a lower proportion of trees were decayed compared with Norway spruce. Increment coring resulted in decay in most of the trees, but the decay spread slowly. The effect of compass direction or the month of damaging was negligible. The most common decay fungus in Norway spruce was Stereum sanguinolentum (Alb. & Schwein. Fr.:) Fr. In Scots pine, only nondecay fungi were isolated. In general, logging damages decreased sawlog production through the rejection of butt logs containing decay or discoloration.

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 enseignants0,013
Score d'incertitude au seuil0,026

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)0,0000,000

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 Opus0,029
Tête enseignante GPT0,286
Écart entre enseignants0,258 · 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

Citations39
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

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