MétaCan
Menu
Retour à la cohorte
Enregistrement W2208098810 · doi:10.3390/f6124387

The Influence of Stocking and Stand Composition on Productivity of Boreal Trembling Aspen-White Spruce Stands

2015· article· en· W2208098810 sur OpenAlexaffabout
Valentín José Reyes-Hernández, Philip G. Comeau

Notice bibliographique

RevueForests · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésBasal areaDeciduousStockingForestryTaigaBorealProductivityEnvironmental scienceSilvicultureStand developmentBiologyEcologyGeography

Résumé

récupéré en direct d'OpenAlex

We analyzed productivity, in terms of periodic annual increment (PAI) in volume, of pure and mixed unmanaged naturally regenerated boreal stands mainly comprised of Populus tremuloides Michx. (trembling aspen) and Picea glauca (Moench) Voss (white spruce) ranging from 25–260 years old, in Alberta, Canada. Measures of density, site occupancy (Reineke’s stand density index-SDI), height, and site quality were evaluated in non-linear regression models aiming to explain the variation in PAI for the separate component species and for the entire stand. Analyses also included examination of the influence of stand composition. Results indicated a positive effect of both density of deciduous trees and of the percentage of deciduous tree stand basal area on trembling aspen volume PAI. White spruce PAI was positively influenced by spruce and aspen basal area, although effects of aspen were small. Height of both aspen and spruce were the most consistent independent variables in the models tested. Maximum PAI was achieved in mixed stands when site occupancy of both species was at its maximum, indicating the ecological combining ability of these two species. Variation in maximum stocking densities (i.e., stockability) has a strong influence on increment in these forests and is a major factor leading to increased productivity of mixed compared to pure stands.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,059
Score d'incertitude au seuil0,182

Scores Codex et Gemma par catégorie

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 Opus0,013
Tête enseignante GPT0,241
Écart entre enseignants0,228 · 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

Citations5
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueForestsMême sujetForest ecology and managementTravaux en français237 207