MétaCan
Menu
Retour à la cohorte
Enregistrement W2037287439 · doi:10.5558/tfc79119-1

Response of advance regeneration to intensity of harvest and fertilization on boreal wetlands

2003· article· en· W2037287439 sur OpenAlexaffvenueabout
Yue Teng, Susan Bailey, N. W. Foster, P W Hazlettr

Notice bibliographique

RevueThe Forestry Chronicle · 2003
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePeatlands and Wetlands Ecology
Établissements canadiensNatural Resources CanadaUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésBlack spruceUnderstoryHuman fertilizationBorealPhosphorusNutrientWetlandTaigaNitrogenAgronomyLimitingEnvironmental scienceAnimal scienceBotanyBiologyHorticultureEcologyChemistryCanopy

Résumé

récupéré en direct d'OpenAlex

Post-harvest nutrient status and growth of understory black spruce (Picea mariana [Mill.] B.S.P.) advance regeneration during the first seven years after harvest with advance regeneration protection (HARP) was evaluated on two boreal wetlands in northeastern Ontario. Three intensities of HARP were investigated: light, medium and heavy, corresponding to 35, 50, 100% basal area removal of merchantable trees. Limiting nutrients were diagnosed with a nitrogen (N), phosphorus (P) potassium (K) fertilization trial. Release by HARP significantly improved foliar N by 43–214%,and P by 40–317%, stimulated needle mass by 13–114% and annual height increment of spruce by 6–50% on all three HARP treatments. Growth of spruce was statistically greater after heavy release than the other two HARP treatments by the sixth year. Fertilization with a combination of N and P further increased needle biomass and height increment by 23–46% and 16–26%, respectively. Nitrogen and, secondly, P were limiting for rapid natural reestablishment of black spruce stands on boreal peatlands. Key words: black spruce, nitrogen, phosphorus, potassium, clearcut

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 enseignants0,052
Score d'incertitude au seuil0,104

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)0,0000,000

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 Opus0,010
Tête enseignante GPT0,233
Écart entre enseignants0,223 · 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

Citations4
Publié2003
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Forestry ChronicleMême sujetPeatlands and Wetlands EcologyTravaux en français237 207