MétaCan
Menu
Retour à la cohorte
Enregistrement W2525442319 · doi:10.1139/cjfr-2016-0260

Thinning effects on foliar elements in eastern hemlock: implications for managing the spread of the hemlock woolly adelgid

2016· article· en· W2525442319 sur OpenAlexvenueno aff
K. Piatek, Mary Ann Fajvan, Richard M. Turcotte

Notice bibliographique

RevueCanadian Journal of Forest Research · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Insect Ecology and Management
Établissements canadiensnon disponible
Organismes subventionnairesNorthern Research StationU.S. Forest ServiceWest Virginia University
Mots-clésTsugaThinningNutrientBiologyLimitingAnimal scienceBotanyHorticultureEcology

Résumé

récupéré en direct d'OpenAlex

Stand thinning is being tested as a means to limit the impacts of the invasive hemlock woolly adelgid (HWA; Adelges tsugae Annand) on eastern hemlock (Tsuga canadensis (L.) Carriere). The efficacy of this strategy may be reduced if thinning increases hemlock foliar nutrients because HWA densities are correlated with foliar concentrations of N, P, K, Ca, and Mn. We determined foliar N, P, K, Ca, and Mn concentrations in 1-year-old and all other (older) needles prior to and for 4 years after thinning in northwestern Pennsylvania stands of eastern hemlock without HWA. Average foliar concentrations in 1-year-old needles were 1.30–1.80 g N·100 g−1, 1300–1700 mg P·kg−1, 4200–6300 mg K·kg−1, 2500–5200 mg Ca·kg−1, and 2393 μg Mn·g−1. N, P, and K decreased, Ca increased, and Mn first increased and then stabilized. Thinning by itself did not affect the tested foliar nutrients. The interaction between treatment and year was significant and evident in temporal trajectories of foliar N and K. However, the differences between thinned and unthinned plots within years averaged only 0.03 g N·100 g−1 and 340 mg K·kg−1. We concluded that even though thinning changed the temporal trajectories of foliar N and K, the nutritional shifts were minimal, brief, and unlikely to affect the efficacy of thinning in limiting the impacts of HWA.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
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 Opus0,030
Tête enseignante GPT0,305
Écart entre enseignants0,274 · 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

Citations11
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetForest Insect Ecology and ManagementTravaux en français237 207