MétaCan
Menu
Retour à la cohorte
Enregistrement W2022437928 · doi:10.1139/x02-134

The response of boreal forest songbird communities to fire and post-fire harvesting

2002· article· en· W2022437928 sur OpenAlexvenueno aff
Jacques Morissette, Tyler Cobb, R. Mark Brigham, P. C. James

Notice bibliographique

RevueCanadian Journal of Forest Research · 2002
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesErciyes Üniversitesi
Mots-clésSalvage loggingLoggingTaigaEcologyEnvironmental scienceGuildForestrySongbirdForest managementGeographyHabitatAgroforestryBiologySnag

Résumé

récupéré en direct d'OpenAlex

Post-fire timber harvesting (salvage logging) is becoming more prevalent as logging companies try to recover some of the economic losses caused by fire. Because salvaging is a relatively new practice and because of the common perception that burned areas are of little value to wildlife, few guidelines exist for salvaging operations. We surveyed birds in unburned and burned stands of jack pine (Pinus banksiana Lamb.), mixedwood, and trembling aspen (Populus tremuloides Michx.) to characterize the post-fire bird community in commercially important forest types. The effects of salvage logging were examined in mixedwood and jack pine. Using fixed-radius point counts, a total of 1430 individuals representing 51 species were detected during this study. Community analysis revealed that burned forests supported a distinct species assemblage of songbirds relative to unburned forests and that salvage logging significantly altered this community. An examination of guild composition showed that resident species, canopy and cavity nesters, and insectivores were the least likely to be detected in salvaged areas. Species less sensitive to salvage logging tended to be habitat generalists, omnivores, and species that nest on the ground or in shrubs. We suggest alternative management strategies that may help reduce the impact of salvage logging on the boreal forest songbird community.

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)0,005
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,498
Score d'incertitude au seuil0,711

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,039
Tête enseignante GPT0,275
Écart entre enseignants0,236 · 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

Citations126
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

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