MétaCan
Menu
Retour à la cohorte
Enregistrement W2156178799 · doi:10.1139/x01-014

An alternative to clear-cutting in the boreal forest of Alaska: a 27-year study of regeneration after shelterwood harvesting

2001· article· en· W2156178799 sur OpenAlexvenueno aff
Tricia L. Wurtz, John C. Zasada

Notice bibliographique

RevueCanadian Journal of Forest Research · 2001
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueForest Ecology and Biodiversity Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScarificationClearcuttingBorealForestrySilvicultureBlack spruceTaigaHectareNatural regenerationAgronomyEnvironmental scienceAgroforestryForest managementBiologyGeographyEcology

Résumé

récupéré en direct d'OpenAlex

We present 27-year results from a comparison of clear-cutting and shelterwood harvesting in the boreal forest of Alaska. Three patch clear-cut and three shelterwood units were harvested in 1972; about 100 dispersed white spruce (Picea glauca (Moench) Voss) leave trees per hectare were retained in the shelterwoods. Units were mechanically scarified and an exceptionally large seed-crop was dispersed that year. Shelterwood trees were removed after 15 years. After 27 years, overstory treatment had no effect on the density or growth of the species we studied, while scarification had highly significant effects. In 1999, scarified areas were densely populated with white spruce seedlings and saplings (118 000 – 129 000 stems/ha, with spruce in 100% of plots). Unscarified areas had far fewer spruce stems but were nevertheless well stocked (11 000 – 15 000 stems/ha, with 87% frequency). Initially, spruce grew best on scarified surfaces, but by 27 years, growth of the tallest spruce saplings was significantly greater on unscarified than scarified surfaces. By 27 years, cover of the grass Calamagrostis canadensis (Michx.) Nutt. had returned to preharvest levels in all treatment types. Because criteria for evaluating forest management practices have changed since this study was begun, partial overstory retention systems for the management of Alaska's boreal forest deserve further study.

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)0,001
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 enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0010,000
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 Opus0,066
Tête enseignante GPT0,300
Écart entre enseignants0,234 · 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

Citations47
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetForest Ecology and Biodiversity StudiesTravaux en français237 207