Contribution of lianas to plant area index and canopy structure in a Panamanian forest
Notice bibliographique
Résumé
Lianas are an important component of tropical forests, where they reduce tree growth, fecundity, and survival. Competition for light from lianas may be intense; however, the amount of light that lianas intercept is poorly understood. We used a large-scale liana-removal experiment to quantify light interception by lianas in a Panamanian secondary forest. We measured the change in plant area index (PAI) and forest structure before and after cutting lianas (for 4 yr) in eight 80 m × 80 m plots and eight control plots (16 plots total). We used ground-based LiDAR to measure the 3-dimensional canopy structure before cutting lianas, and then annually for 2 yr afterwards. Six weeks after cutting lianas, mean plot PAI was 20% higher in control vs. liana removal plots. One yr after cutting lianas, mean plot PAI was ~17% higher in control plots. The differences between treatments diminished significantly 2 yr after liana cutting and, after 4 yr, trees had fully compensated for liana removal. Ground-based LiDAR revealed that lianas attenuated light in the upper- and middle-forest canopy layers, and not only in the upper canopy as was previously suspected. Thus, lianas compete with trees by intercepting light in the upper- and mid-canopy of this forest.
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 | 0,000 |
| 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 | 0,000 | 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 ».