MétaCan
Menu
← Retour à la cohorte
Enregistrement W2767767430 · doi:10.1139/cjfr-2017-0297

Variation in fire scar phenology from mixed conifer trees in the Sierra Nevada

2017· article· en· W2767767430 sur OpenAlexvenueno aff
Scott L. Stephens, Liam Maier, Lilah Gonen, Jennifer D. York, Brandon M. Collins, Danny L. Fry

Notice bibliographique

RevueCanadian Journal of Forest Research · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhenologyDendrochronologyFire historySeasonalityScarsEcologyDouglas firCambiumVegetation (pathology)Growing seasonPhysical geographyForestryEnvironmental scienceGeographyBiologyClimate changeBotanyArchaeology

Résumé

récupéré en direct d'OpenAlex

Fire scar based studies have provided robust reconstructions of past fire regimes. The season in which a fire occurs can have considerable impacts to ecosystems but inference on seasonality from fire scars is relatively uncertain. This study examined patterns in the phenology of cambium formation and wounding responses in the five common mixed conifer tree species of the Sierra Nevada. The outer bark was shaved on 35 trees and individual locations within the shaved portions were wounded systematically by applying direct heat using a handheld torch. Most of the trees had not commenced annual ring development by the first burning treatment in late May. By the second treatment, scars were identified mostly within the early or middle earlywood, although variation was high compared with other treatment periods. By late October, all scars were recorded at the ring boundary. Although intra-ring scar positions generally followed a logical temporal pattern, there was high tree to tree variation such as Douglas-fir (Pseudotsuga menziesii (Mirb.) Franco) burned on 26 June induced scars in the early, mid, and late earlywood depending on the individual tree. This high variation makes it somewhat challenging to precisely assign past fire season to published fire history studies.

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)0,001
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 enseignants0,910
Score d'incertitude au seuil0,179

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,036
Tête enseignante GPT0,292
Écart entre enseignants0,255 · 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

Citations9
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest Research→Même sujetFire effects on ecosystems→Travaux en français237 207→