MétaCan
Menu
Retour à la cohorte
Enregistrement W2623671388 · doi:10.1139/cjfr-2017-0129

Density-dependent woody detritus accumulation in an even-aged, single-species forest

2017· article· en· W2623671388 sur OpenAlexvenueno aff
Michael S. Schaedel, Andrew J. Larson, Cullen J. Weisbrod, Robert E. Keane

Notice bibliographique

RevueCanadian Journal of Forest Research · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueForest Ecology and Biodiversity Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCoarse woody debrisSnagThinningDetritusWoody plantEnvironmental scienceLarge woody debrisBiomass (ecology)UnderstoryEcologyTaigaForestryBiologyAgroforestryHabitatGeographyCanopy

Résumé

récupéré en direct d'OpenAlex

Deadwood in forests influences fire intensity, stores carbon and nutrients, and provides wildlife habitat. We used a 54-year-old density management experiment in Larix occidentalis Nutt. forests to evaluate density dependence of woody detritus accumulation. Based on self-thinning theory, we expected woody detritus produced by the current stand to increase with stand density. Density-dependent woody detritus accumulation was apparent for fine woody debris and snags and for all woody detritus pools combined. Clear size–density relationships were apparent for coarse woody debris (CWD) and snags; mean piece size decreased with increasing stand density. Legacy CWD that originated from the preharvest old-growth stands accounted for about 45% of total woody detritus biomass. Live trees were largest in the low-density thinning treatments. Greater woody detritus biomass in the high-density and unthinned treatments originates primarily from past self-thinning, with additional inputs from density-dependent top breakage due to snow and ice and branch self-pruning. Because our results were driven by self-thinning mortality, the general trend of increasing woody detritus accumulation with increasing stand density should hold for maturing even-aged stands in other cool temperate and boreal 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 enseignants0,006
Score d'incertitude au seuil0,013

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)0,0010,000

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 Opus0,206
Tête enseignante GPT0,332
Écart entre enseignants0,126 · 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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

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