MétaCan
Menu
Retour à la cohorte
Enregistrement W2115891465 · doi:10.1093/forestry/cpn051

Using dendrochronology to obtain annual data for modelling stand development: a supplement to permanent sample plots

2009· article· en· W2115891465 sur OpenAlexaffabout
Juha M. Metsaranta, Victor J. Lieffers

Notice bibliographique

RevueForestry An International Journal of Forest Research · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensUniversity of AlbertaNatural Resources CanadaCanadian Forest Service
Organismes subventionnairesnon disponible
Mots-clésDendrochronologyEnvironmental scienceAnnual growth %TaigaStand developmentSample (material)Climate changePhysical geographyClimatologyGeographyForestryEcologyAgroforestryGeology

Résumé

récupéré en direct d'OpenAlex

Permanent sample plots (PSPs), measured at 5- to 10-year intervals, are presently used to monitor stand development in boreal forests in Canada. These data cannot easily be used to study inter-annual variability in stand development processes nor can they monitor the effects of transient factors affecting stands annually because of their coarse temporal resolution. It also takes a considerable period of time to obtain time series of data for regions without PSPs. Long re-measurement intervals are necessary because instruments like diameter tapes, calipers and clinometers cannot discern annual growth in these slow-growing forests. Dendrochronological stand reconstruction techniques are a method that can be used to obtain annual data on forest growth and stand development. We show that these techniques can provide annual information on stand development patterns while periodic measurements of PSPs cannot, and that these data can be obtained in a short period of time, relative to waiting to obtain data from PSPs established today. Detailed, annual data will become more important in the future, as climate change will affect both forest growth and stand dynamics. Annual resolution data on these processes will be required to describe and account for these effects.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,782
Score d'incertitude au seuil0,584

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,000
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 Opus0,152
Tête enseignante GPT0,423
Écart entre enseignants0,271 · 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'étudeSimulation ou modélisation
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

Citations53
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueForestry An International Journal of Forest ResearchMême sujetForest ecology and managementTravaux en français237 207