MétaCan
Menu
Retour à la cohorte
Enregistrement W2768393524 · doi:10.3390/f8110457

Allometry of Sapwood Depth in Five Boreal Trees

2017· article· en· W2768393524 sur OpenAlexaffabout
M. Rebeca Quiñonez-Piñón, Caterina Valeo

Notice bibliographique

RevueForests · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensUniversity of VictoriaUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésPinus contortaAllometryDiameter at breast heightPinus <genus>BiologyPinus tabulaeformisBorealTaigaBotanyBark (sound)Tree allometryForestryHorticultureEcologyGeographyShoot

Résumé

récupéré en direct d'OpenAlex

This paper analyzes sapwood variability and allometry within individuals of Populus tremuloides, Pinus contorta, Pinus banksiana, Picea mariana, and Picea glauca. Outside bark diameter at breast height (DBH) and sapwood depth (sd) in four cardinal directions were measured in individuals in stands in Alberta and Saskatchewan, Canada. The microscopical analysis of wood anatomy was used to measure sd, and the error associated with the measures was observed. Sapwood allometry analyses examined the influence of DBH on sd and on sapwood area (SA). All species were observed to have varying sapwood depths around the trunk with statistical analyses showing that Pinus banksiana has a well defined preference to grow thicker in the North-East side. The largest sd values were observed for the Populus tremuloides set. Unlike Populus tremuloides and Picea glauca, for the species Pinus contorta, Pinus banksiana, and Picea mariana, incremental growth in DBH does not directly drive sapwood growth in any direction. For these three species, SA increases only because of increases in DBH as sd remains nearly constant. These results show that sapwood depth and sapwood area seem to behave differently in each studied species and are not always proportional to the tree size as is normally assumed.

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 enseignants0,014
Score d'incertitude au seuil0,028

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
Bibliométrie0,0010,000
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 Opus0,009
Tête enseignante GPT0,250
Écart entre enseignants0,241 · 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

Citations19
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueForestsMême sujetForest ecology and managementTravaux en français237 207