MétaCan
Menu
Retour à la cohorte
Enregistrement W2022482266 · doi:10.1371/journal.pone.0077607

Modelling Growth-Competition Relationships in Trembling Aspen and White Spruce Mixed Boreal Forests of Western Canada

2013· article· en· W2022482266 sur OpenAlexafffundabout
Jian‐Guo Huang, Kenneth J. Stadt, Andria Dawson, Philip G. Comeau

Notice bibliographique

RevuePLoS ONE · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensAlberta Environment and Protected AreasUniversity of Alberta
Organismes subventionnairesForest Resource Improvement Association of Alberta
Mots-clésBasal areaCompetition (biology)DeciduousTaigaBorealSalicaceaeDiameter at breast heightBiologyStand developmentDendrochronologyEcologyForestryBotanyWoody plantGeography

Résumé

récupéré en direct d'OpenAlex

We examined the effect of competition on stem growth of Picea glauca and Populus tremuloides in boreal mixedwood stands during the stem exclusion stage. We combined traditional approaches of collecting competition data with dendrochronology to provide retrospective measurements of stem diameter growth. Several competition indices including stand basal area (BA), the sum of stem diameter at breast height (SDBH), and density (N) for the broadleaf and coniferous species, as well as similar indices considering only trees with diameters greater than each subject (BAGR, SDBHGR, and NGR), were evaluated. We used a nonlinear mixed model to characterize the basal area increment over the past 5, 10, 15, 20, 25, 30, and 35 years as a function of growth of nearby dominant trees, the size of the subject trees, deciduous and coniferous competition indices, and ecoregions. SDBHGR and BAGR were better predictors for spruce, and SDBHGR and NGR were better for aspen, respectively, than other indices. Results showed strongest correlations with long-term stem growth, as the best models integrated growth for 10-25 years for aspen and ≥ 25 for spruce. Our model demonstrated a remarkable capability (adjusted R(2)>0.67) to represent this complex variation in growth as a function of site, size and competition.

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 enseignants0,636
Score d'incertitude au seuil0,765

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 Opus0,029
Tête enseignante GPT0,182
Écart entre enseignants0,153 · 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

Citations47
Publié2013
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetForest ecology and managementTravaux en français237 207