MétaCan
Menu
← Retour à la cohorte
Enregistrement W2325985964 · doi:10.1139/x2012-086

Modelling volume growth response of young Scots pine (<i>Pinus sylvetris</i>) stands to N, P, and K fertilization in drained peatland sites in Finland

2012· article· en· W2325985964 sur OpenAlexvenueno aff
Hannu Hökkä, Jaakko Repola, Mikko Moilanen

Notice bibliographique

RevueCanadian Journal of Forest Research · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePeatlands and Wetlands Ecology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScots pineHuman fertilizationPinus <genus>PeatAnimal scienceNitrogenNutrientBotanyBiologyAgronomyEcologyChemistry

Résumé

récupéré en direct d'OpenAlex

Fertilizers are applied in drained peatland forests to correct nutrient imbalances, but few models have been developed for predicting the stand growth response. We used 10- to 34-year-long stem growth increment data from 51 fertilization experiments involving ash, PK, and NPK treatments (doses of P, K, and N varying between 35 and 45, 60 and 80, and 80 and 90 kg·ha–1, respectively) and controls to model the volume growth response of young Scots pine (Pinus sylvetris L.) stands to fertilization in drained peatland sites of middle and northern Finland. We used the linear mixed models method to express the stand-level growth response as a function of time (5-year periods), site type group, location, and the fertilization treatment (ash–PK combined and NPK). Different growth responses were obtained for nitrogen-rich sites with PK treatment and nitrogen-poor sites with NPK treatment. The PK fertilization in nitrogen-rich sites resulted in the largest volume growth response and longest temporal effect (1.0–2.0 m3·ha–1·a–1 higher mean growth for at least 35 years), with quicker and stronger effects in more southern conditions where average temperature sums were greater than 1000 degree-days (°C). NPK fertilization in nitrogen-poor sites gave a modest response (0.4–0.8 m3·ha–1·a–1 in 35 years).

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)0,000
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 enseignants0,045
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
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 Opus0,033
Tête enseignante GPT0,280
Écart entre enseignants0,247 · 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

Citations20
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest Research→Même sujetPeatlands and Wetlands Ecology→Travaux en français237 207→