Novel ways to assess forested wetland restoration in North Carolina using ecohydrological patterns from reference sites
Notice bibliographique
Résumé
ABSTRACT Restoring jurisdictional wetland hydrology does not ensure that the hydrologic conditions of any specific natural forested wetland community are recreated. This is especially problematic for a state like North Carolina, which has roughly two dozen different forested wetland communities. Because forested wetland communities align themselves across edaphic and hydrologic gradients, we suggest exploiting these relationships to guide restoration design and set performance standards. However, methods to compare hydrology between multiple reference sites and restored wetlands are lacking. To address this, we studied three different forested wetlands across 13 reference sites to determine which measures of water table levels, based on correlation with plant community composition, would be useful to distinguish these three communities. We then used the best measures of water table levels to assess two restoration sites and compare them with the reference sites. Our results showed that monthly median water table levels encompassing the start of the growing season had the strongest correlation with plant community composition, whereas roughly five other measures also had strong correlations. On the basis of the best measures, both of the restoration sites had water table levels that generally fell within the natural range of the reference sites. Because there was variation in water table levels across each restoration site, the different measures where useful to identify which areas were least similar to the reference sites and might need further monitoring in the future. On the basis of our results, we recommend using community‐specific measures of hydrology to guide and assess forested wetland restoration. Copyright © 2013 John Wiley & Sons, Ltd.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».