MétaCan
Menu
Retour à la cohorte
Enregistrement W2012842720 · doi:10.1155/2013/457698

Sustaining Cavity-Using Species: Patterns of Cavity Use and Implications to Forest Management

2013· article· en· W2012842720 sur OpenAlexaff
Fred L. Bunnell

Notice bibliographique

RevueISRN Forestry · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueForest Ecology and Biodiversity Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSnagLoggingDead treeForest managementEcologyWood productionRange (aeronautics)Dead woodGeographyMammalAgroforestryForestryBiologyBiodiversityHabitatEngineering

Résumé

récupéré en direct d'OpenAlex

Many bird and mammal species rely on cavities in trees to rear their young or roost. Favourable cavity sites are usually created by fungi, so they are more common in older, dying trees that are incompatible with intensive fiber production. Forestry has reduced amounts of such trees to the extent that many cavity-using vertebrates are now designated “at risk.” The simple model of cavity use presented helps unite research findings, explain patterns of use, and clarify trade-offs that can, or cannot, be made in snag management. Predictions generated are tested using data from over 300 studies. Implications to forest management are derived from the tests, including the following: ensure sustained provision of dying and dead trees, retain both conifers and hardwoods and a range of size and age classes, sustain a range of decay classes, ensure that some large trees or snags are retained, promote both aggregated and dispersed retention of dead and dying trees, meet dead wood requirements for larger species where intensive fibre production is not emphasized, do not do the same thing everywhere, and limit salvage logging after tree mortality. The paper focuses on species breeding in the Pacific Northwest, but draws on data from throughout those species’ ranges.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,002
Score d'incertitude au seuil0,330

Scores Codex et Gemma par catégorie

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 Opus0,040
Tête enseignante GPT0,225
Écart entre enseignants0,185 · 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

Citations55
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueISRN ForestryMême sujetForest Ecology and Biodiversity StudiesTravaux en français237 207