MétaCan
Menu
Retour à la cohorte
Enregistrement W2330973252 · doi:10.1139/cjfr-2013-0276

Greater risk of physical damage caused by debris fall to understory plants and tree seedlings in old-growth forests than in young forests

2013· article· en· W2330973252 sur OpenAlexvenueno aff
Andrew J. Larson

Notice bibliographique

RevueCanadian Journal of Forest Research · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueForest Ecology and Biodiversity Studies
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Montana
Mots-clésUnderstoryCoarse woody debrisTsugaSeedlingCanopyBiomass (ecology)Old-growth forestDebrisSecondary forestForestryEcologyEnvironmental scienceBiologyGeographyAgronomyHabitat

Résumé

récupéré en direct d'OpenAlex

Falling canopy debris causes injury and mortality of tree seedlings and understory plants in a wide variety of forests. Canopy structure and dynamics differ between young and old-growth forests: old forests are taller and have more aboveground biomass and greater annual mortality of bole biomass. I predicted that risk of damage caused by debris fall in the understory is greater in old-growth forests than in young forests. I tested this prediction by tracking for 1 year the fates of artificial seedlings placed in young (stand age 31 to 61 years) and old-growth (stand age circa 500 years) Pseudotsuga–Tsuga forests. The risk of physical damage caused by debris fall in old-growth forests was significantly greater than in young forests (P = 0.001). Seedling models were damaged by falling debris at a rate of 4.4%·year−1 and 0.8%·year−1 in old-growth and young forests, respectively. More seedling models were damaged by fallen coarse woody debris in old-growth forests than in young forests, although this trend was not significant (P = 0.134). Approximately 25% of seedling models in both young and old-growth forests were damaged by something other than fallen canopy debris, most likely snow accumulation.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,032
Tête enseignante GPT0,242
Écart entre enseignants0,210 · 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'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

Citations4
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetForest Ecology and Biodiversity StudiesTravaux en français237 207