MétaCan
Menu
Retour à la cohorte
Enregistrement W2312568653 · doi:10.1139/cjfr-2014-0011

Hmodel, a <i>Heterobasidion annosum</i> model for even-aged Norway spruce stands

2014· article· en· W2312568653 sur OpenAlexvenueno aff
Juha Honkaniemi, Risto Ojansuu, Tuula Piri, Risto Kasanen, Mika Lehtonen, Hannu Salminen, Tuomo Kalliokoski, Harri Mäkinen

Notice bibliographique

RevueCanadian Journal of Forest Research · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHeterobasidion annosumPicea abiesForestryBiologyKarstPinus <genus>GeographyBotany

Résumé

récupéré en direct d'OpenAlex

Heterobasidion annosum (Fr.) Bref. s.l., a group of fungi causing root rot, is a serious threat to Norway spruce (Picea abies (L.) Karst.) stands in northern Europe. A new stochastic spatial model (Hmodel) was developed to simulate H. annosum s.l. infection and spread within a stand. Hmodel was combined with the stand-level decision support system MOTTI, resulting in a platform for estimating H. annosum s.l. development and its effect on tree growth and timber quality. Three H. annosum s.l. scenarios, representing different levels of risk for H. annosum s.l. infections simulated for a typical Norway spruce stand in southern Finland, demonstrated that the mycelial growth rate in the roots of living trees was the most critical parameter influencing the simulation results. In addition, the simulation results indicated that the number of infected trees in the previous stand plays a major role in H. annosum s.l. dynamics within the subsequent tree generation. Hmodel was designed to be a flexible platform for researchers to simulate the effects of H. annosum s.l. on stand dynamics and, vice versa, the effects of different silvicultural methods on H. annosum s.l. dynamics.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,111
Score d'incertitude au seuil0,221

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0020,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,037
Tête enseignante GPT0,287
Écart entre enseignants0,250 · 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'étudeSimulation ou modélisation
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

Citations16
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetForest ecology and managementTravaux en français237 207