Dendroecological reconstructions of forest disturbance history using time-series analysis with intervention detection
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
The detection of release events in the annual growth increments of trees has become a central and widely applied method for reconstructing the disturbance history of forests. While numerous approaches have been developed for identifying release events, the preponderance of these methods relies on running means that compare the percent change in growth rates. These methods do not explicitly account for the autocorrelation present within tree-ring width measurements and may introduce spurious events. This paper utilizes autoregressive integrated moving-average (ARIMA) processes to model tree-ring time series and incorporates intervention detection to identify pulse and step outliers as well as changes in trends indicative of a deterministic exogenous influence on past growth. This approach is evaluated by applying it to three chronologies from the Forest Responses to Anthropogenic Stress (FORAST) project that were impacted by prior disturbance events. The examples include a hemlock (Tsuga canadensis (L.) Carrière) chronology from New Hampshire, a white pine (Pinus strobus L.) chronology from Pennsylvania, and an American beech (Fagus grandifolia Ehrh.) chronology from Virginia. All three chronologies exhibit a clustering of step, pulse, and trend interventions subsequent to a known or likely disturbance event. Time-series analysis offers an alternative approach for identifying prior forest disturbances via tree rings based on statistical methods applicable across species and disturbance regimes.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,002 | 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