MétaCan
Menu
Retour à la cohorte
Enregistrement W2545880365 · doi:10.5558/tfc2016-062

Effects of sand burial and overstory tree age on seedling establishment in coastal Pinus thunbergii forests in the northern Shandong Peninsula, China

2016· article· en· W2545880365 sur OpenAlexvenueno aff
Peili Mao, Hongxiang Mu, Banghua Cao, Yuhong Liu, Zhaofei Fan, Shumei Wang

Notice bibliographique

RevueThe Forestry Chronicle · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSeedling growth and survival studies
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of GeorgiaAuburn University
Mots-clésSeedlingPinus thunbergiiGerminationNatural regenerationPeninsulaChinaShoreRegeneration (biology)Shandong peninsulaBiologyEnvironmental scienceForestryGeographyAgronomyEcologyPhysical geography

Résumé

récupéré en direct d'OpenAlex

Coastal Pinus thunbergii (Japanese black pine) forests in the northern Shandong Peninsula of China recently experienced widespread natural regeneration failure. This study identifies critical factors that affect natural regeneration of P. thunbergii. Seeds from trees of various ages (13–32 years) were used to investigate the effects of age and burial depth in sand on germination and seedling establishment. Results show that seed density in 2–5 cm soil decreased with increased distance from the shoreline. Sand burial decreased seed germination but did not affect the relative growth rate of seedlings at depths from 0.5 to 3 cm. Germination, leaf mass ratio, and relative growth rates were higher with seedlings originating from older trees, all of which enhanced seedling resistance to sand burial. Tree age and seed burial were found to be determining factors for natural regeneration of the coastal P. thunbergii forest. Silvicultural treatments that promote quality of seed sources and mitigation of sand burial can be used in the future to improve the regeneration of these coastal forests.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,007
Tête enseignante GPT0,205
Écart entre enseignants0,198 · 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

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Forestry ChronicleMême sujetSeedling growth and survival studiesTravaux en français237 207