MétaCan
Menu
← Retour à la cohorte
Enregistrement W2159875699 · doi:10.1139/x08-166

Deadwood abundance in Labrador high-boreal black spruce forests

2009· article· en· W2159875699 sur OpenAlexaffvenueabout
Ulrike Hagemann, M. T. Moroni, Franz Makeschin

Notice bibliographique

RevueCanadian Journal of Forest Research · 2009
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueForest Ecology and Biodiversity Studies
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésSnagTaigaBlack spruceBorealEnvironmental scienceCoarse woody debrisForestryAbundance (ecology)Disturbance (geology)EcologyGeographyBiologyHabitat

Résumé

récupéré en direct d'OpenAlex

Deadwood (woody debris (WD), standing dead trees (snags), stumps, and buried deadwood) abundance was estimated in Labrador humid high-boreal black spruce (Picea mariana (Mill.) BSP) forests regrown following natural and anthropogenic disturbances. Aboveground deadwood (DW) abundance in Labrador was similar to values observed in other boreal forests experiencing drier or warmer climates. Clear-cut harvest generated large amounts of WD, which had almost completely decomposed 34–36 years following harvesting, with a fitted volume reduction rate of –0.058 year –1 . Total WD in all harvested stands was composed of predominantly <10 cm pieces, which should be included in DW inventories of disturbed coniferous boreal forests. Postfire WD likely peaked ∼20 years following disturbance, as a result of the collapse of snags, and was dominated by large amounts of medium-sized logs (10.0–19.9 cm). Buried DW stocks considerably exceeded total aboveground DW stocks in old-growth, middle-aged, and older harvested stands. Old-growth stands contained 179.3 m 3 ·ha –1 of buried DW, a vast amount indicative of long-term accumulation requiring significantly depressed rates of WD decomposition following burial. DW stocks could be significantly underestimated if buried DW is excluded from DW inventories in cool and moist coniferous forests with long fire-return intervals.

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)0,000
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 enseignants0,777
Score d'incertitude au seuil0,444

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,039
Tête enseignante GPT0,271
Écart entre enseignants0,231 · 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

Citations34
Publié2009
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest Research→Même sujetForest Ecology and Biodiversity Studies→Travaux en français237 207→