MétaCan
Menu
Retour à la cohorte
Enregistrement W2051450992 · doi:10.1139/x05-298

The role of epiphytes in rainfall interception by forests in the Pacific Northwest. I. Laboratory measurements of water storage

2006· article· en· W2051450992 sur OpenAlexvenueno aff
Thomas G. Pypker, M. H. Unsworth, B. J. Bond

Notice bibliographique

RevueCanadian Journal of Forest Research · 2006
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueLichen and fungal ecology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEpiphyteLichenInterceptionCanopyEnvironmental scienceBiomass (ecology)BotanyEcologyBiologyForestryGeography

Résumé

récupéré en direct d'OpenAlex

Old-growth Douglas-fir (Pseudotsuga menziesii (Mirb.) Franco) forests frequently contain large populations of epiphytic lichens and bryophytes. To determine the effect these epiphytes have on canopy hydrology we measured the maximum water fraction (f(x)max; maximum mass of internal and external water stored by an epiphyte divided by its tissue dry mass) of common lichens, bryophytes, and dead branches in the laboratory and the water storage and interception efficiency (pi) (the rainfall stored on a branch divided by the rainfall intercepted by the branch) of whole epiphyte-laden branches under a rainfall simulator at three intensities (11.3, 16.1, and 39.8 mm·h–1). The f(x)max values for epiphytic fruticose lichens, foliose lichens, and bryophytes were 2.2 ± 0.4, 3.4 ± 0.6, and 10.0 ± 0.5, respectively. The water stored by an epiphyte-laden branch during and after exposure to simulated rainfall could be predicted if the biomass of epiphytic lichens and bryophytes on the branch was known (R2 = 0.8, p value < 0.0001). For all three rainfall intensities, the branches required >6 mm of rainfall to saturate. Values of pi averaged between 0.5 and 0.7 after 2 mm of rainfall and did not differ among the three intensities (all p values > 0.05). We conclude that epiphytes increase the canopy water storage of a typical old growth Douglas-fir forest by >1.3 mm.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,042

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 Opus0,026
Tête enseignante GPT0,249
Écart entre enseignants0,224 · 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'étudeExpérimental (laboratoire)
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

Citations80
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetLichen and fungal ecologyTravaux en français237 207