MétaCan
Menu
Retour à la cohorte
Enregistrement W2409625806 · doi:10.1093/forestry/cpw012

Adjusting harvest rules for red oak in selection cuts of Canadian northern hardwood forests

2016· article· en· W2409625806 sur OpenAlexaffabout
Juliane Laliberté, David Pothier, Alexis Achim

Notice bibliographique

RevueForestry An International Journal of Forest Research · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensUniversité LavalMinistère des Ressources naturelles et des Forêts
Organismes subventionnairesnon disponible
Mots-clésBasal areaFagaceaeJavaHardwoodForestryDiameter at breast heightBiologyHorticultureAgroforestryGeographyBotany

Résumé

récupéré en direct d'OpenAlex

To enhance the vigour and quality of high-graded hardwood stands, the removal of low-vigour trees is often prioritized during harvesting operations. However, northern red oak (Quercus rubra L.) is rarely affected by defects that are indicative of imminent decline and, therefore, are less likely to be marked for harvesting. Consequently, the red oak volumes harvested during recent years were considerably lower than the estimated annual allowable cut in the public forests of Quebec, Canada. We used data from Quebec's forest inventory to identify variables associated with low-vigour red oak trees. Three groups of explanatory variables were formed to take into account tree size descriptors, inter-tree competition and stand descriptors. Logistic regression revealed that the probability of occurrence of northern red oak of low vigour increased with increasing tree diameter at breast height and dominance. Also, low-vigour oak trees were more likely to be found in stands in which total red oak basal area was low. A cut-point analysis indicated that the maximum diameter threshold for harvesting red oak ranged between 34 and 46 cm. These criteria could help forest managers formulate species-specific tree-marking rules that integrate the need to increase the red oak component in the harvested volume to a level that is closer to the annual allowable cut volume while maintaining stand vigour.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,112
Score d'incertitude au seuil0,226

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
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 Opus0,040
Tête enseignante GPT0,326
Écart entre enseignants0,286 · 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

Citations7
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueForestry An International Journal of Forest ResearchMême sujetForest ecology and managementTravaux en français237 207