MétaCan
Menu
Retour à la cohorte
Enregistrement W2119534554 · doi:10.22230/jem.2006v7n2a538

Rate of deterioration, degrade, and fall of trees killed by mountain pine beetle

2006· article· en· W2119534554 sur OpenAlexafffund
Kathy J. Lewis, Ian D. Hartley

Notice bibliographique

RevueJournal of Ecosystems and Management · 2006
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueForest Ecology and Biodiversity Studies
Établissements canadiensUniversity of Northern British Columbia
Organismes subventionnairesCanadian Forest ServiceNatural Resources CanadaU.S. Forest Service
Mots-clésMountain pine beetleDendroctonusPinus contortaEnvironmental scienceForestryEcologyBark beetleBiologyGeographyBark (sound)

Résumé

récupéré en direct d'OpenAlex

The information presented in this paper results from a review of published articles on deterioration of dead wood, and interviews of people with forestry and (or) mill experience from the 1980s Cariboo Plateau mountain pine beetle outbreak. The literature review focussed on mountain pine beetle (Dendroctonus ponderosae) and lodgepole pine (Pinus contorta Dougl. ex Loud. var. latifolia Engelm.), but also included papers on other conifer species. Most of the existing research has focussed on utilization of trees that have been dead for less than 5 years. The general conclusion was that reduced moisture content, checking (related to moisture content), and bluestain were the most important factors involved in loss of product opportunities and quality. Decay of standing pine was slow (at least in the regions studied), and trees were more likely to fall over before significant losses of wood volume due to decay fungi. Once trees were on the ground, decay rates accelerated substantially.

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 enseignants0,148
Score d'incertitude au seuil0,268

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)0,0000,000

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 Opus0,008
Tête enseignante GPT0,177
Écart entre enseignants0,169 · 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

Citations47
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Ecosystems and ManagementMême sujetForest Ecology and Biodiversity StudiesTravaux en français237 207