MétaCan
Menu
Retour à la cohorte
Enregistrement W2102475753

TEMPORAL EFFECTS OF MECHANICAL TREATMENT ON WINTER MOOSE BROWSE IN SOUTH-CENTRAL ALASKA

2015· article· en· W2102475753 sur OpenAlexvenueno aff
Sharon E. Smythe, Dana M. Sanchez, Ricardo Mata‐González

Notice bibliographique

RevueAlces · 2015
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWillowBiomass (ecology)ForageAlderProductivityBiologySnowEcologyAgronomyHabitatEnvironmental scienceGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Sites containing winter browse species utilized by moose on the Copper River Delta of south-central Alaska were mechanically treated (hydraulic-axed) to counteract possible earthquake-related increases in less-preferred forage species, and to measure treatment effects on biomass, height, nutritional quality (crude protein, lignin, and tannin), utilization, and snow burial on preferred (willow [ Salix spp.]) and less-preferred forage species (sweetgale [ Myrica gale ], cottonwood [ Populus trichocarpa ], and alder [ Alnus viridis sinuata ]) within 3 winter scenarios (mild, moderate, and severe). Sites were treated in 4 winters (1990–1992, 2008, 2010, and 2012) within 5 stand types in 20 sites varying from 0.9–63.4 ha. We found few significant differences in biomass, height, nutritional quality, utilization, and snow burial relative to controls. However, our ability to detect differences may have been limited by sample size (n = 1–9), as visual comparison suggests hydraulic-axing may be an effective method for increasing willow biomass while reducing alder biomass without influencing nutritional quality. However, because treated willows were shorter than untreated willows, treatment may result in less preferred forage for moose in severe winters with deep snow. Our results have implications for habitat management of moose but further research is needed to determine incremental and long-term effects of treatment on willow growth and productivity.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,021
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,046
Tête enseignante GPT0,253
Écart entre enseignants0,207 · 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 tête enseignante, 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

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlcesMême sujetClimate change and permafrostTravaux en français237 207