MétaCan
Menu
Retour à la cohorte
Enregistrement W2094027924 · doi:10.1139/x03-183

Decadal observations of tree regeneration following fire in boreal forests

2004· article· en· W2094027924 sur OpenAlexvenueaboutno aff
Jill F. Johnstone, F. Stuart Chapin, Julie A. Foote, S Kemmett, Kevin P. Price, Leslie A. Viereck

Notice bibliographique

RevueCanadian Journal of Forest Research · 2004
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPinus contortaBorealTaigaForestryThinningEcologyRegeneration (biology)Environmental sciencePopulationBlack spruceGeographyBiologyDemography

Résumé

récupéré en direct d'OpenAlex

This paper presents data on early postfire tree regeneration. The data were obtained from repeated observations of recently burned forest stands along the Yukon – British Columbia border and in interior Alaska. Postfire measurements of tree density were made periodically for 20–30 years, providing direct observations of early establishment patterns in boreal forest. Recruitment rates of the dominant tree species in both study areas were highest in the first 5 years after fire, and additional net establishment was not observed after 10 years. The postfire population of spruce (Picea mariana (Mill.) BSP and Picea glauca (Moench) Voss s.l.) remained constant after the first decade in the two study areas. Populations of aspen (Populus tremuloides Michx.) and lodgepole pine (Pinus contorta Dougl. ex Loud. var. latifolia Engelm.) both declined after 10 years in mixed-species stands along the Yukon – British Columbia border. Mortality rates of aspen and pine were positively correlated with their initial densities, indicating that thinning occurred as a density-dependent process. At all sites, measurements of stand density and composition made early were highly correlated with those made late in the monitoring period, indicating that patterns of stand structure initiated within a few years after fire are maintained through subsequent decades of stand development.

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 enseignants0,984
Score d'incertitude au seuil0,031

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
Bibliométrie0,0010,001
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 Opus0,041
Tête enseignante GPT0,293
Écart entre enseignants0,252 · 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

Citations254
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetFire effects on ecosystemsTravaux en français237 207