MétaCan
Menu
Retour à la cohorte
Enregistrement W2029613121 · doi:10.1080/02827580903124392

Impact of precommercial thinning on tree growth, lumber recovery and lumber quality in <i>Abies balsamea</i>

2009· article· en· W2029613121 sur OpenAlexafffund
Shuyin Zhang, Gilles Chauret, Queju Tong

Notice bibliographique

RevueScandinavian Journal of Forest Research · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensFPInnovations
Organismes subventionnairesMinistry of Education, IndiaFPInnovationsMinistry of Earth SciencesCanadian Forest ServiceGovernment of Canada
Mots-clésThinningAbies balsameaBalsamForestryMathematicsEnvironmental scienceHorticultureBiologyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Precommercial thinning (PCT) is often used to improve stand growth and value. While PCT may accelerate tree growth and reduce mortality, it may also have a negative effect on product quality. This study examined the effect of moderate and heavy thinning on tree growth, lumber recovery and quality in a natural balsam fir [Abies balsamea (L.) Mill.] PCT trial 35 years after thinning. Compared with the control, the heavy thinning increased merchantable tree diameter, stem volume per tree and lumber volume recovery per tree by 41.1%, 100.9% and 92.7%, respectively, reduced the Select Structural grade (the best grade) recovery by 33.7%. Thinning did not affect the no. 2 and better grade yield. There was a 12.2% and 15.0% difference, respectively, in the lumber bending modulus of elasticity (MOE) and modulus of rupture (MOR) between the control and heavy thinning. Moderate thinning had little impact on the visual grade recovery, lumber bending MOE and MOR. Heavy thinning is recommended if the goal is to get sizeable sawlogs in the shortest time, whereas moderate thinning is preferable if the intention is to minimize the negative effects on lumber quality while retaining modest tree growth and lumber recovery. Overall, PCT of very dense young balsam fir stands appears to be an effective and viable silvicultural treatment.

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)0,004
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 enseignants0,038
Score d'incertitude au seuil0,548

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
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 recherche0,0000,001
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 Opus0,037
Tête enseignante GPT0,372
Écart entre enseignants0,335 · 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

Citations21
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

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