MétaCan
Menu
Retour à la cohorte
Enregistrement W2022359922 · doi:10.1139/x09-004

Long-term effects of tanoak competition on Douglas-fir stand development

2009· article· en· W2022359922 sur OpenAlexvenueno aff
Timothy B. Harrington, John C. Tappeiner

Notice bibliographique

RevueCanadian Journal of Forest Research · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Department of Agriculture
Mots-clésCanopyDiameter at breast heightForestryDouglas firFagaceaeUnderstoryThinningStand developmentBotanyHorticultureMathematicsBiologyGeography

Résumé

récupéré en direct d'OpenAlex

In 1- to 2-year-old Douglas-fir ( Pseudotsuga menziesii (Mirb.) Franco var. menziesii) plantations near Cave Junction and Glendale, Oregon, sprout clumps of tanoak (Lithocarpus densiflorus (Hook. & Arn.) Rehd.) and other hardwoods were removed with herbicides in April 1983 to leave relative covers of 0%, 25%, 50%, or 100% of the nontreated cover, which averaged 15%. In 1996 (Cave Junction) and 1998 (Glendale), precommercial thinning (PCT) of Douglas-fir and cutting of nonconifer woody species were operationally applied across the four densities of tanoak. In 2005, Douglas-fir in 0% relative cover of tanoak averaged 5–8 cm larger at breast height and 3–6 m taller, and had two to four times the net stand volume of those growing in 100% relative cover. From 1999 to 2005, Douglas-fir stand growth accelerated more rapidly in tanoak relative covers of 0% and 25% than in covers of 50% and 100%. Differential development of Douglas-fir and hardwoods in relative covers of 0%, 25%, and 100%, followed by selection of crop trees via PCT, resulted in three distinct stand structures: pure stands of Douglas-fir with a single canopy layer 12–16 m tall, mixed stands with overstory Douglas-fir (12 m) and midstory hardwoods (7 m), and mixed stands with a single canopy layer (8–9 m).

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 enseignants0,987
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)0,0010,000

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 Opus0,018
Tête enseignante GPT0,277
Écart entre enseignants0,259 · 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

Citations25
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetForest ecology and managementTravaux en français237 207