MétaCan
Menu
Retour à la cohorte
Enregistrement W2172190176 · doi:10.1093/treephys/25.1.93

Seasonal variation in biomass and carbohydrate partitioning of understory sugar maple (Acer saccharum) and yellow birch (Betula alleghaniensis) seedlings

2005· article· en· W2172190176 sur OpenAlexafffund
Catherine Gaucher, S. Gougeon, Yves Mauffette, Christian Messier

Notice bibliographique

RevueTree Physiology · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePlant Water Relations and Carbon Dynamics
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésUnderstoryYellow birchDeciduousBiologyAceraceaeShootBotanyBetula pubescensMapleBiomass (ecology)SugarBiomass partitioningBetula pendulaGrowing seasonInterspecific competitionBetulaceaePhenologyHorticultureAgronomyCanopy

Résumé

récupéré en direct d'OpenAlex

We investigated seasonal patterns of biomass and carbohydrate partitioning in relation to shoot growth phenology in two age classes of sugar maple (Acer saccharum Marsh.) and yellow birch (Betula alleghaniensis Britt.) seedlings growing in the understory of a partially harvested forest. The high root:shoot biomass ratio and carbohydrate concentration of sugar maple are characteristic of species with truncated growth patterns (i.e., cessation of aboveground shoot growth early in the growing season), a conservative growth strategy and high shade tolerance. The low root:shoot biomass ratio and carbohydrate concentration of yellow birch are characteristic of species with continuous growth patterns, an opportunistic growth strategy and low shade tolerance. In both species, starch represented up to 95% of total nonstructural carbohydrates and was mainly found in the roots. Contrary to our hypothesis, interspecific differences in shoot growth phenology (i.e., continuous versus truncated) did not result in differences in seasonal patterns of carbohydrate partitioning. Our results help explain the niche differentiation between sugar maple and yellow birch in temperate, deciduous understory forests.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

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
Bibliométrie0,0000,000
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 Opus0,008
Tête enseignante GPT0,197
Écart entre enseignants0,188 · 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

Citations66
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTree PhysiologyMême sujetPlant Water Relations and Carbon DynamicsTravaux en français237 207