Anchorage of coniferous trees in relation to species, soil type, and rooting depth
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A database was constructed of tree-anchorage measurements from almost 2000 trees from 12 conifer species that were mechanically overturned on 34 sites in the United Kingdom between 1960 and 2000. Anchorage was compared among species, soil groups (freely-draining mineral, gleyed mineral, peaty mineral, and deep peat) and root depth classes (shallow, <40 cm; medium, 40–80 cm; and deep, >80 cm) using regressions of critical turning moment against stem mass. Sitka spruce (Picea sitchensis (Bong.) Carr.) was used as a benchmark because it formed the largest part of the database and was the only species with all soil-group and depth-class combinations. Anchorage of Sitka spruce was strongest on peat and poorest on gleyed mineral soils. Deep rooting increased critical turning moments by 10%–15% compared with trees of equivalent mass with shallower roots. Significantly better anchorage than Sitka spruce was found for grand fir (Abies grandis (Dougl. ex D. Don) Lindl.), with various rooting depths on freely draining and gleyed mineral soils and for Douglas-fir (Pseudotsuga menziesii (Mirb.) Franco) on medium-depth mineral soil. Lodgepole pine (Pinus contorta Dougl. ex Loud.) had poorer anchorage than Sitka spruce over a range of soil groups and root depth classes. Norway spruce (Picea abies (L.) Karst.) on shallow gleyed mineral soil, and Corsican pine (Pinus nigra subsp. laricio (Poir.) Maire) on medium depth mineral soil, also had poorer anchorage. Other combinations had similar anchorage to the equivalent Sitka spruce. These results are discussed with respect to the development of forest wind-risk models.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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