Quantifying the effect of non-spatial and spatial forest stand structure on rainfall partitioning in mountain forests, Southern China
Notice bibliographique
Résumé
Forest stand structure plays an important role in rainfall interception and is a focal point in forest hydrology. Previous studies mainly looked at the effect of non-spatial attributes of stands while a few studies addressed the influence of spatial features. The aim of this study was to quantify the effect of stand structure on rainfall partitioning using diameter, height, leaf area index (LAI), neighbourhood comparison, mingling index and uniform angle index. The results revealed that the average accumulative throughfall, stemflow and interception loss accounted for 72.8%–83.2%, 0.5%–11.3% and 13.3%–26.2% of total precipitation, respectively, and significant differences existed in rainfall partitioning. The accumulative interception loss was negatively related to uniform angle index (a measure of tree spatial distribution patterns) as stand structure attribute was not available at each rainfall event. The effects of stand structure on throughfall, stemflow and interception loss varies considerably under different rainfall conditions. The LAI was significantly associated with interception loss for heavy rainfalls. The mingling index was negatively related to stemflow; however, significant relationships existed between mingling index, throughfall, and interception loss for light rainfall (drizzle). Significant positive relationships existed between uniform angle index and stemflow, while significant relationships existed for interception loss for light and heavy rainfalls. The results highlight that stand structure in combination with rainfall patterns influence rainfall partitioning.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».