MétaCan
Menu
Retour à la cohorte
Enregistrement W2160829430 · doi:10.1139/x10-080

Long-term effects of fire and fire-return interval on population structure and growth of longleaf pine (Pinus palustris)

2010· article· en· W2160829430 sur OpenAlexvenueno aff
Chelcy R. Ford, Emily S. Minor, Gordon A. Fox

Notice bibliographique

RevueCanadian Journal of Forest Research · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFire historySandhillBasal areaFire regimePopulationForestryPinus <genus>EcologyProductivityPinus contortaEnvironmental scienceBiologyGeographyDemographyEcosystemClimate changeBotanyHabitat

Résumé

récupéré en direct d'OpenAlex

We investigated the effect of fire and fire frequency on stand structure and longleaf pine ( Pinus palustris P. Mill.) growth and population demography in an experimental research area in a southwest Florida sandhill community. Data were collected from replicated plots that had prescribed fire-return intervals of 1, 2, 5, or 7 years or were left unburned. Experimental treatment burns have been ongoing since 1976. Plots were sampled to estimate species distribution, stand structure, and longleaf pine density in four developmental stage classes: grass, bolting, small tree, and large tree. Tree-ring growth measurements in combination with burn history were used to evaluate the effects of fire and fire-return interval on basal area increment growth. Fire-return interval impacted stand structure and longleaf pine population structure. Our results suggest that recruitment from the bolting stage to later stages may become adversely affected with very frequent fires (e.g., every 1 or 2 years). Although adult tree productivity was negatively impacted during fire years, tree growth during years between fire events was resilient such that growth did not differ significantly among fire-return intervals. Our study shows that the longleaf pine population as a whole is strongly regulated by fire and fire-return interval plays a key role in structuring this population.

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)0,001
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 enseignants0,021
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,010
Tête enseignante GPT0,257
Écart entre enseignants0,247 · 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

Citations41
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetFire effects on ecosystemsTravaux en français237 207