MétaCan
Menu
Retour à la cohorte
Enregistrement W2804909037 · doi:10.7939/r3xw4818b

Predicting duff moisture in a boreal forest ecosystem at various retention levels

2016· article· en· W2804909037 sur OpenAlexaboutno aff
Hosen M A Alam

Notice bibliographique

RevueUniversity of Alberta Library · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTaigaEnvironmental scienceMoistureBorealEcosystemBoreal ecosystemForestryPhysical geographyEcologyGeographyMeteorologyBiology

Résumé

récupéré en direct d'OpenAlex

The Canadian Fire Weather Index (FWI) system is used across Canada and worldwide to provide numerical ratings of fuel moisture based on the fine fuel moisture code (FFMC), duff moisture code (DMC) and drought code (DC). DMC is related to dryness of the duff layer. While DMC has been widely calibrated and validated in different stand types, it has not yet been calibrated for retention harvesting sites in the boreal mixedwood landscape of north-central Alberta. The objective of this research was to explore whether duff characteristics (duff load) and stand parameters (leaf area index, basal area) could be used in predicting duff moisture and whether the standard-DMC estimated by the FWI system matches with field-DMC. This study was conducted in conifer-dominated mixedwood stands that had received a range of variable retention harvesting in 1998/1999 (clear-cut, 20%, 50% , 75% - retentions and control) as part of the EMEND research project near Peace River, Alberta. Duff moisture, duff characteristics and vegetation parameters were measured in the field and DMCs were estimated for June, July and August in 2014 across retention levels. A trenching experiment was conducted to see if transpiration losses were related to duff moisture across retention levels. The results indicated that duff characteristics were influenced by litter deposition during harvesting and addition of fresh leaf litter from regenerated aspen. Duff moisture was influenced by slope and elevation more than species composition. Among the duff variables, duff load was a better predictor of duff moisture (R2=0.60). A three-way ANOVA revealed that standard DMC-MC relationships underestimate both field and sensor DMC in June and July.

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 enseignants0,228
Score d'incertitude au seuil0,454

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 savante0,0010,000
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 Opus0,005
Tête enseignante GPT0,152
Écart entre enseignants0,147 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUniversity of Alberta LibraryMême sujetFire effects on ecosystemsTravaux en français237 207