MétaCan
Menu
Retour à la cohorte
Enregistrement W2202265451 · doi:10.1139/cjfr-2014-0512

Towards silvicultural mitigation of the European ash (<i>Fraxinus excelsior</i>) dieback: the importance of acclimated trees in retention forestry

2015· article· en· W2202265451 sur OpenAlexvenueno aff
Raul Rosenvald, Rein Drenkhan, Taavi Riit, Asko Lõhmus

Notice bibliographique

RevueCanadian Journal of Forest Research · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Insect Ecology and Management
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Regional Development FundEuropean Commission
Mots-clésFraxinusCrown (dentistry)ForestryTree healthBiologySilvicultureResistance (ecology)HorticultureAgroforestryBotanyAgronomyGeography

Résumé

récupéré en direct d'OpenAlex

The European ash (Fraxinus excelsior L.) dieback is an acute forest pathology problem caused by the invasive ascomycete Hymenoscyphus fraxineus (T. Kowalski) Baral, Queloz, Hosoya. There are no practical solutions yet, but selection for resistant genotypes and intensive care have been highlighted as options. Our aim was to assess the disease mitigation potential of silvicultural harvests, which influence stress levels in retained trees. We annually monitored 577 retention trees on Estonian cut areas for 13 years, including 9 years impacted by the dieback. Sixty-five percent of the trees survived and 15% retained healthy crown, despite all sampled trees being infected. The damage was smallest in the trees retained near precut edges. Former forest-interior trees that were left in central parts of the cut areas suffered high initial damage but smaller disease progression than trees near postcut edges. Tree size and secondary infection by Armillaria spp. were not related to disease progression, but rapid decline was observed in the region with the highest density of ash trees retained. Our results indicate a significant silvicultural potential for tree resistance. Ash trees tend to be healthiest in open conditions, which probably inhibit the pathogen and provide better resources for the tree. Location near precut edges is an important tree retention criterion, which can mitigate initial harvest-induced stress.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,482
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,044
Tête enseignante GPT0,282
Écart entre enseignants0,238 · 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 tête enseignante, 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

Citations28
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetForest Insect Ecology and ManagementTravaux en français237 207