MétaCan
Menu
Retour à la cohorte
Enregistrement W2068844636 · doi:10.1139/x08-105

Lakeside riparian forests support diversity of wood fungi in managed boreal forests

2008· article· en· W2068844636 sur OpenAlexvenueno aff
Atte Komonen, M. Niemi, Kaisa Junninen

Notice bibliographique

RevueCanadian Journal of Forest Research · 2008
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueForest Ecology and Biodiversity Studies
Établissements canadiensnon disponible
Organismes subventionnairesSuomen Luonnonsuojelun SäätiöSocietas Biologica Fennica Vanamo
Mots-clésRiparian zoneRiparian forestTaigaEcologySpecies richnessCoarse woody debrisGeographyBorealSpecies diversityBiodiversitySnagForestryEnvironmental scienceAgroforestryHabitatBiology

Résumé

récupéré en direct d'OpenAlex

Riparian forests often have a more diverse tree species composition and more woody debris than neighboring upland forests, but little is known about their importance for the conservation of deadwood-dependent species. We studied the forest characteristics and the diversity of wood fungi (poroid Aphyllophorales) in lakeside riparian (flat and sloping topography) and upland boreal forests in eastern Finland. Riparian forests had a higher density of broadleaved trees and broadleaved debris than did upland forests. A total of 48 species of wood fungi were recorded, including eight red-listed or old-growth forest indicator species. Overall, more species and records and greater diversity were observed in the flat riparian sites than in the sloped riparian and upland sites. The mean species richness did not differ significantly among site categories, indicating greater β diversity among the flat riparian sites. Species composition was more similar between the two riparian categories than between the riparian and upland sites. Riparian sites also hosted more fungal species associated with broadleaved trees. The results show that riparian forests support the diversity of wood fungi in managed boreal forests. Diversity of deadwood-dependent organisms can be promoted by leaving wider and completely unharvested riparian buffer zones.

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)0,001
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 enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,072
Tête enseignante GPT0,262
Écart entre enseignants0,190 · 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

Citations19
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

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