MétaCan
Menu
Retour à la cohorte
Enregistrement W2115649658 · doi:10.1139/x07-038

Changes in site productivity and the recovery of soil properties following wet- and dry-weather harvesting disturbances in the Atlantic Coastal Plain for a stand of age 10 years

2007· article· en· W2115649658 sur OpenAlexvenueno aff
Mark H. Eisenbies, James A. Burger, W. Michael Aust, Steven C. Patterson

Notice bibliographique

RevueCanadian Journal of Forest Research · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueForest Biomass Utilization and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceProductivityCoastal plainBiomass (ecology)Soil waterDisturbance (geology)LoggingLoblolly pinePinus <genus>AgronomyForestryHydrology (agriculture)EcologyBiologyGeographyGeologySoil scienceBotany

Résumé

récupéré en direct d'OpenAlex

Wet-weather logging can cause severe soil physical disturbances and redistribute residues. Although some research indicates negative effects of such disturbances on individual tree growth, the long-term resilience and resistance of soils and the ameliorative effects of site preparation are not fully understood. Three 20 ha loblolly pine ( Pinus taeda L.) plantations located on fertile wet pine flats on the coastal plain of South Carolina were subjected to five treatment combinations of harvest (wet and dry) and site preparation. Mean tree heights were 10.2–11.5 m, and stand biomass ranged between 95 and 143 Mg/ha. A rank diagnostic indicates that wet-weather harvesting did not significantly change site productivity between rotations, and bedding improved site productivity. At the polypedon scale (0.04 ha), there were no significant differences in tree height, biomass, or the rank diagnostic among classes of soil physical disturbances or harvesting residues when bedding was employed. On nonbedded sites, some levels of disturbance appeared to be superior to minimally disturbed sites. Based on 10 year results, wet pine flats are apparently resistant and resilient to the effects of wet-weather harvesting.

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)0,000
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 enseignants0,067
Score d'incertitude au seuil0,134

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,035
Tête enseignante GPT0,257
Écart entre enseignants0,223 · 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

Citations16
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetForest Biomass Utilization and ManagementTravaux en français237 207