MétaCan
Menu
Retour à la cohorte
Enregistrement W2123191979 · doi:10.1016/j.yqres.2009.03.008

Holocene fire and vegetation dynamics in a montane forest, North Cascade Range, Washington, USA

2009· article· en· W2123191979 sur OpenAlexaff
Susan J. Prichard, Ze’ev Gedalof, W. Wyatt Oswald, David L. Peterson

Notice bibliographique

RevueQuaternary Research · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésMacrofossilHolocenePinus contortaWoodlandVegetation (pathology)GeologyPhysical geographyFire regimeEcologyGeographyOceanographyEcosystemBiology

Résumé

récupéré en direct d'OpenAlex

Abstract We reconstructed a 10,500-yr fire and vegetation history of a montane site in the North Cascade Range, Washington State based on lake sediment charcoal, macrofossil and pollen records. High-resolution sampling and abundant macrofossils made it possible to analyze relationships between fire and vegetation. During the early Holocene (> 10,500 to ca. 8000 cal yr BP) forests were subalpine woodlands dominated by Pinus contorta . Around 8000 cal yr BP, P. contorta sharply declined in the macrofossil record. Shade tolerant, mesic species first appeared ca. 4500 cal yr BP. Cupressus nootkatensis appeared most recently at 2000 cal yr BP. Fire frequency varies throughout the record, with significantly shorter mean fire return intervals in the early Holocene than the mid and late Holocene. Charcoal peaks are significantly correlated with an initial increase in macrofossil accumulation rates followed by a decrease, likely corresponding to tree mortality following fire. Climate appears to be a key driver in vegetation and fire regimes over millennial time scales. Fire and other disturbances altered forest vegetation at shorter time scales, and vegetation may have mediated local fire regimes. For example, dominance of P. contorta in the early Holocene forests may have been reinforced by its susceptibility to frequent, stand-replacing fire events.

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)0,001
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 enseignants0,393
Score d'incertitude au seuil0,991

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,022
Tête enseignante GPT0,292
Écart entre enseignants0,270 · 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

Citations33
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQuaternary ResearchMême sujetFire effects on ecosystemsTravaux en français237 207