MétaCan
Menu
Retour à la cohorte
Enregistrement W2059903370 · doi:10.1139/x2012-127

Effects of harvesting on nitrogen and phosphorus availability in riparian management zone soils in Minnesota, USA

2012· article· en· W2059903370 sur OpenAlexvenueno aff
Douglas N. Kastendick, Eric K. Zenner, Brian J. Palik, Randall K. Kolka, Charles R. Blinn

Notice bibliographique

RevueCanadian Journal of Forest Research · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Water Nutrient Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesLegislative-Citizen Commission on Minnesota ResourcesNorthern Research StationMinnesota Environment and Natural Resources Trust Fund
Mots-clésClearcuttingRiparian zoneEnvironmental scienceNutrientPhosphorusNitrateAgronomySoil waterNitrogenGrowing seasonEcologyBiologyChemistrySoil scienceHabitat

Résumé

récupéré en direct d'OpenAlex

Riparian management zones (RMZs) protect streams from excess nutrients, yet few studies have looked at soil nutrients in forested RMZs or the impacts of partial harvesting on nutrient availability. We investigated the impacts of upland clearcutting in conjunction with uncut and partially harvested RMZs (40% basal area reduction) on soil nutrients in forests in Minnesota, USA. Nitrate, ammonium, and phosphorus were measured using exchange resins. Upland clearcutting increased dormant and growing season nitrate, ammonium, and total inorganic nitrogen in the upland 2 to 5 times compared with uncut upland. Upland clearcutting increased dormant and growing season nitrate and total inorganic nitrogen just inside the RMZ boundary 2 to 5 times compared with this location adjacent to uncut upland. Dormant season nitrate and total inorganic nitrogen were 2 times higher in the entire RMZ adjacent to upland clearcut. Phosphorus was not affected by treatment. Partial harvesting of the RMZ did not increase nutrients compared with the uncut RMZ. Results suggest that nitrate is transported into the RMZ from adjacent clearcuts but partial harvesting of the RMZ does not increase nitrate availability.

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 enseignants0,168
Score d'incertitude au seuil0,334

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 Opus0,021
Tête enseignante GPT0,261
Écart entre enseignants0,240 · 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

Citations11
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetSoil and Water Nutrient DynamicsTravaux en français237 207