MétaCan
Menu
Retour à la cohorte
Enregistrement W2040365065 · doi:10.2136/sssaj2014.06.0240

Abiotic and Biotic Factors Influencing Sugar Maple Health: Soils, Topography, Climate, and Defoliation

2014· article· en· W2040365065 sur OpenAlexaboutno aff
Nicholas E. Pitel, Ruth D. Yanai

Notice bibliographique

RevueSoil Science Society of America Journal · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Forest Service
Mots-clésMapleYellow birchAbiotic componentAceraceaeSugarMarshSoil waterEcologyBiologyEnvironmental scienceWetland

Résumé

récupéré en direct d'OpenAlex

Sugar maple ( Acer saccharum Marsh.), a keystone species of northern hardwood forests, is susceptible to decline, especially on sites low in the soil base cations calcium (Ca) and magnesium (Mg). A common stressor of sugar maple is forest tent caterpillar (FTC; Malacosoma disstria Hübner), an indigenous defoliator. The recent outbreak of FTC (2002–2007) affected 600,000 ha of forest in the northeastern United States and Canada. We assessed the condition of sugar maple trees in 47 North American Maple Project stands in Massachusetts (2006–2007) and Vermont and New York (2007–2008) just after the peak of the FTC outbreak. Mortality was highest in stands with the most crown dieback the previous year ( R 2 = 0.62, P < 0.001). In addition to drought, cold winter temperatures, and concave microrelief, mortality reflected an interaction of defoliation with soil base cation availability ( P = 0.02), with stands defoliated in 2005 that also had low Mg saturation in the A horizon being most likely to suffer high mortality. Sites with above‐average annual sugar maple mortality (>3 or 4%) occurred on soils with low concentrations of Ca (0.31–0.46 cmol c kg −1 in the upper B horizon), Mg (0.06–0.10 cmol c kg −1 ), and K (0.03–0.05 cmol c kg −1 ). This work extends the thresholds for these base cations determined by previous research on the Allegheny Plateau to a larger geographic area.

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 enseignants0,024
Score d'incertitude au seuil0,048

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 Opus0,006
Tête enseignante GPT0,226
Écart entre enseignants0,219 · 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

Citations9
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSoil Science Society of America JournalMême sujetForest ecology and managementTravaux en français237 207