MétaCan
Menu
Retour à la cohorte
Enregistrement W2081751416 · doi:10.1139/x08-001

Impacts of a regional drought on the productivity, dieback, and biomass of western Canadian aspen forests

2008· article· en· W2081751416 sur OpenAlexafffundvenueabout
Edward H. Hogg, J.P. Brandt, Michael Michaelian

Notice bibliographique

RevueCanadian Journal of Forest Research · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensNatural Resources CanadaCanadian Forest Service
Organismes subventionnairesCanadian Forest ServiceNatural Resources Canada
Mots-clésBiomass (ecology)Environmental scienceWater contentProductivityClimate changeAgronomyForestryGeographyBiologyEcologyGeology

Résumé

récupéré en direct d'OpenAlex

We examined the impacts of a severe, regional drought (2001–2002) on trembling aspen ( Populus tremuloides Michx.) forests in the western Canadian interior. A total of 150 plots were established in 25 study areas as part of a regional-scale study (CIPHA). Aspen health and mortality were assessed annually during 2000–2005, and changes in stem biomass were estimated using tree-ring analysis and plot-based measurements. Net mean increment in living biomass for all plots was 2.2 t·ha –1 ·year –1 during 2000–2002 but subsequently decreased to near zero. This collapse was driven by a more than two-fold increase in stem mortality and a 30% decrease in regional stem growth during and following the drought. The analysis showed that spatial variation in aspen productivity and biomass across the region was positively related to multiyear mean values of a climate moisture index and mineral soil silt content but was negatively related to levels of insect defoliation and wood-boring insects. In contrast, mortality and dieback was best correlated with minimum annual climate moisture index, which provided a measure of short-term drought severity. The results support previous studies showing that aspen forests are moisture limited in this region, which poses concerns for the future under a changing climate.

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 enseignants0,068
Score d'incertitude au seuil0,137

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
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
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 Opus0,073
Tête enseignante GPT0,308
Écart entre enseignants0,236 · 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

Citations398
Publié2008
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetForest Management and PolicyTravaux en français237 207