MétaCan
Menu
Retour à la cohorte
Enregistrement W1993186041 · doi:10.1139/cjfas-2014-0344

Wood placement in river restoration: fact, fiction, and future direction

2014· article· en· W1993186041 sur OpenAlexvenueno aff
Philip Roni, Tim Beechie, George R. Pess, Karrie Hanson

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Sediment Transport Processes
Établissements canadiensnon disponible
Organismes subventionnairesNational Oceanic and Atmospheric Administration
Mots-clésHabitatWatershedEnvironmental scienceCoarse woody debrisEcologyRestoration ecologyNatural (archaeology)Hydrology (agriculture)Dam removalSedimentDebrisLarge woody debrisStream restorationGeographyRiparian zoneGeologyArchaeologyBiology

Résumé

récupéré en direct d'OpenAlex

Despite decades of research on wood in rivers, the addition of wood as a river restoration technique remains controversial. We reviewed the literature on natural and placed wood to shed light on areas of continued debate. Research on river ecology demonstrates that large woody debris has always been a natural part of most rivers systems. Although a few studies have reported high structural failure rates (>50%) of placed instream wood structures, most studies have shown relatively low failure rates (<20%) and that placed wood remains stable for several years, though long-term evaluations of placed wood are rare. The vast majority of studies on wood placement have reported improvements in physical habitat (e.g., increased pool frequency, cover, habitat diversity). Studies that have not reported improvements in physical habitat often found that watershed processes (e.g., sediment, hydrology, water quality) had not been addressed. Finally, most evaluations of fish response to wood placement have shown positive responses for salmonids, though few studies have looked at long-term watershed-scale responses or studied a wide range of species.

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)0,015
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,077

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,019
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,009
Communication savante0,0040,011
Science ouverte0,0020,002
Intégrité de la recherche0,0060,006
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,009
Tête enseignante GPT0,193
Écart entre enseignants0,184 · 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'étudeSans objet
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

Citations240
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic SciencesMême sujetHydrology and Sediment Transport ProcessesTravaux en français237 207