MétaCan
Menu
Retour à la cohorte
Enregistrement W2062151049 · doi:10.1139/x05-179

Wood ash as a fertilizer on drained mires growth and foliar nutrients of Scots pine

2005· article· en· W2062151049 sur OpenAlexvenueno aff
Mikko Moilanen, Klaus Silfverberg, Hannu Hökkä, Jorma Issakainen

Notice bibliographique

RevueCanadian Journal of Forest Research · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePeatlands and Wetlands Ecology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScots pineHuman fertilizationNutrientPhosphorusAnimal scienceFertilizerWood ashPeatPinus <genus>AgronomyPotassiumBotanyHorticultureBiologyChemistryEcology

Résumé

récupéré en direct d'OpenAlex

The availability of phosphorus (P) and potassium (K) commonly limits tree growth on drained peatlands. The nutritional status and volume growth of Scots pine (Pinus sylvestris L.) after varying doses of wood ash fertilization were investigated in seven field experiments located on deep-peated sites in Finland between latitudes 63°N and 67°N. Needle samples were taken 14–20 years after fertilization and trees measured 15 years after fertilization. Annual growth rates and differences in foliar nutrients were analyzed with a two-way ANOVA model. A regression model was used in the analysis of periodic relative volume growth. High doses of wood ash (100–265 kg P·ha–1, 225–450 kg K·ha–1) resulted in greater changes in foliar nutrient concentrations and in a stronger growth response than low doses (5–50 kg P·ha–1, 14–210 kg K·ha–1). Significant increases in needle mass and concentrations of P, K, and B were observed in the ash-fertilized stands, with a good status for these elements 20 years after fertilization. Depending on the ash dose, the mean annual volume growth was 0.5–1.4 m3·ha–1 higher than in the control plots during the 15 year postfertilization period.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,046

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 Opus0,022
Tête enseignante GPT0,287
Écart entre enseignants0,265 · 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

Citations48
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetPeatlands and Wetlands EcologyTravaux en français237 207