MétaCan
Menu
Retour à la cohorte
Enregistrement W2103782670 · doi:10.1139/x05-205

Patch structure, fire-scar formation, and tree regeneration in a large mixed-severity fire in the South Dakota Black Hills, USA

2005· article· en· W2103782670 sur OpenAlexvenueno aff
Leigh B. Lentile, Frederick W. Smith, Wayne D. Shepperd

Notice bibliographique

RevueCanadian Journal of Forest Research · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCambiumRegeneration (biology)Fire regimeForestryTaigaEcologyBotanyBiologyGeographyEcosystem

Résumé

récupéré en direct d'OpenAlex

We compared patch structure, fire-scar formation, and seedling regeneration in patches of low, moderate, and high burn severity following the large (~34 000 ha) Jasper fire of 2000 that occurred in ponderosa pine (Pinus ponderosa Dougl. ex P. & C. Laws.) forests of the Black Hills of South Dakota, USA. This fire created a patchy mosaic of effects, where 25% of the landscape burned as low, 48% as moderate, and 27% as high severity. Dead cambium on a significant portion of tree circumference in a tree with live cambium and a vigorous crown was taken as evidence of incipient fire-scar formation. Tree mortality was approximately 21%, 52%, and 100% in areas of low, moderate, and high burn severity, respectively. Dead cambium was detected on approximately 24% and 44% of surviving trees in low and moderate burn severity patches, respectively. Three years postfire, regeneration densities were ~612 and 450 seedlings·ha –1 in low and moderate burn severity patches, respectively, and no regeneration was observed in the interior of high burn severity patches. Fire-scars will be found on 73% of the area burned in this fire, and large patches of multicohort forest will be created. Mixed-severity fire may have been common historically in the Black Hills, and in conjunction with frequent surface fire, played an important role in shaping a spatially heterogeneous, multicohort ponderosa pine forest.

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)0,002
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 enseignants0,926
Score d'incertitude au seuil0,963

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,017
Tête enseignante GPT0,253
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 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

Citations97
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

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