MétaCan
Menu
Retour à la cohorte
Enregistrement W2059051608 · doi:10.1139/x03-137

Composition and ecology of macrofungal and myxomycete communities on oak woody debris in a mixed-oak forest of Ohio

2003· article· en· W2059051608 sur OpenAlexvenueno aff
Darrin L. Rubino, Brian C. McCarthy

Notice bibliographique

RevueCanadian Journal of Forest Research · 2003
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueForest Ecology and Biodiversity Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCoarse woody debrisSpecies richnessMicrositeEcologyWoody plantDebrisForestrySnagCanonical correspondence analysisBiodiversityGeographyBiologyHabitatBotany

Résumé

récupéré en direct d'OpenAlex

Woody debris is recognized as an important structural component in forests, but little is known about the epixylic communities that it supports in many forest types. The goal of this study was to identify the macrofungal (asco mycetes and basidiomycetes) and myxomycete communities found on woody debris in the topographically dissected mixed-oak forests of southern Ohio and identify environmental parameters that influence species richness and species distributions. Fifty oak (Quercus spp. L.) logs were selected across slope aspects and slope positions throughout the landscape to maximize microsite variability. Over a 2-year period, 130 epixylic species were collected (28 ascomy cetes, 72 basidiomycetes, and 30 myxomycetes). Log surface area explained a significant amount of variation in species richness (R2 = 0.51, P < 0.001). Richness was significantly (P < 0.05) correlated with volume of woody debris in the plot (+) and with study log volume (+), lichen cover (–), and surface structural characteristics (amount of bark (+), solid wood (–), and fragmented wood (+)). Canonical correspondence analysis revealed that slope aspect, bark cover, percent slope, and woody stem density influenced individual epixylic species distributions. Because of their influence on epixylic communities, various environmental parameters must be accounted for in regional epixylic studies.

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 enseignants0,005
Score d'incertitude au seuil0,010

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,048
Tête enseignante GPT0,260
Écart entre enseignants0,211 · 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

Citations46
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetForest Ecology and Biodiversity StudiesTravaux en français237 207