Suitability of Taxodium distichum for Afforesting the Littoral Zone of the Three Gorges Reservoir
Notice bibliographique
Résumé
The littoral zone ecosystem of the Three Gorges Reservoir (TGR) has become significantly degraded by annual cycles of prolonged winter flooding and summer drought. For purposes of flood control and sediment management, the water level in the reservoir is lowered by 30 m during the summer monsoon season and raised again to 175 m above sea level each year at the end of the monsoon period. To explore an effective way to promote biodiversity and associated ecosystem services, we examined Taxodium distichum as a species for afforesting the littoral zone. Sapling growth variations were measured after two rounds of winter flooding. Dominant influence factors were determined by redundancy analysis. Herb community similarities between the experimental afforested areas and nearby control areas were assessed to detect the ecosystem influence of the experimental afforestation. 94.5% of saplings planted at elevations above 168 m survived. All measured growth indices (tree height, diameter at breast height, crown width and foliage density) decreased as the flood depth increased. Completely submerged saplings had a mean dieback height of -0.65 m. Greater initial foliage density led to increased tree height and stem diameter. Shannon-Wiener indices were not significantly different between plots in experimental and control areas, but the low similarity of herb communities between experimental and control areas (0.242 on average) suggested that afforestation would enrich plant community structure and improve littoral zone ecosystem stability. Because littoral zone afforestation provides several ecosystem services (habitat, carbon sink, water purification and landscaping), it is a promising revegetation model for the TGR.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».