MétaCan
Menu
Retour à la cohorte
Enregistrement W1972730229 · doi:10.1139/x08-003

Biophysical controls on surface fuel litterfall and decomposition in the northern Rocky Mountains, USA

2008· article· en· W1972730229 sur OpenAlexvenueno aff
Robert E. Keane

Notice bibliographique

RevueCanadian Journal of Forest Research · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPlant litterEnvironmental scienceLitterEcosystemContext (archaeology)Vegetation (pathology)CanopyForestryBasal areaForest ecologyEcologyGeographyBiology

Résumé

récupéré en direct d'OpenAlex

Litterfall and decomposition rates of the organic matter that comprise forest fuels are important to fire management, because they define fuel treatment longevity and provide parameters to design, test, and validate ecosystem models. This study explores the environmental factors that control litterfall and decomposition in the context of fuel management for several major forest types in the northern Rocky Mountains (Idaho and Montana), USA. Litterfall was measured for more than 10 years using semiannual collections of six fine fuel components (fallen foliage, twigs, branches, large branches, logs, and all other canopy material) collected from a network of 1 m2 litterfall traps installed at 28 plots across seven sites. Decomposition of foliage, twigs, branches, and large branches were measured using litter bags installed on five of the seven sites. Measured litterfall and decomposition rates were correlated with major environmental and vegetation variables using regression analysis. Annual foliage litterfall rates ranged from 0.057 kg·m–2·year–1 for dry Pinus ponderosa Dougl. ex Laws. stands to 0.144 kg·m–2·year–1 on mesic Thuja plicata Donn ex D. Don stands and were correlated with the vegetation characteristics of leaf area index, basal area, and tree height (r > 0.5), whereas decomposition rates were correlated with the environmental gradients of temperature and relative humidity (r > 0.4).

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,104
Score d'incertitude au seuil0,207

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 Opus0,023
Tête enseignante GPT0,281
Écart entre enseignants0,257 · 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

Citations74
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetFire effects on ecosystemsTravaux en français237 207