MétaCan
Menu
Retour à la cohorte
Enregistrement W2003434367 · doi:10.1139/x03-119

Influence of fertilization, weed control, and pine litter on loblolly pine growth and productivity and understory plant development through 12 growing seasons

2003· article· en· W2003434367 sur OpenAlexvenueno aff
James D. Haywood, J.C.G. Goelz, Mary Anne Sword Sayer, Allan E. Tiarks

Notice bibliographique

RevueCanadian Journal of Forest Research · 2003
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSeedling growth and survival studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHuman fertilizationAgronomyUnderstoryLoamLitterGrowing seasonGlyphosateBiologyWeed controlFertilizerEnvironmental scienceBotanyCanopySoil waterEcology

Résumé

récupéré en direct d'OpenAlex

On a silt loam soil in central Louisiana, three cultural treatments were applied to a seedling loblolly pine (Pinus taeda L.) plantation. The treatments were in a 2 × 2 × 2 factorial design: (1) no fertilization or a broadcast application of 177 kg N/ha and 151 kg P/ha; (2) no herbicides applied or broadcast or spot applications of hexazinone, sulfometuron methyl, or glyphosate herbicides and felling as required to control competing vegetation during the first three growing seasons; and (3) no litter applied or broadcast application of pine litter to form a 10 to 15 cm layer in the first growing season. Through 12 growing seasons, the fertilization or herbicide treatment significantly increased stand growth (α = 0.05), and these two treatments had an additive effect (no treatments, 209 m 3 /ha; fertilization, 328 m 3 /ha; herbicide, 280 m 3 /ha; fertilization and herbicide, 362 m 3 /ha). However, because litter application probably had a minor fertilization effect, the fertilizer and litter combination produced the greatest yield (370 m 3 /ha). The herbicide and litter combination adversely affected pine survival, and so applying all three treatments was no more effective than fertilization alone. The loblolly pine overstory was the dominant factor influencing the long-term development of the understory.

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)0,001
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 enseignants0,035
Score d'incertitude au seuil0,977

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,035
Tête enseignante GPT0,255
Écart entre enseignants0,220 · 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

Citations19
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetSeedling growth and survival studiesTravaux en français237 207