Effects of Soil Type on Floristics and Stand Structure in Amazon Unflooded Forests
Notice bibliographique
Résumé
The importance of unflooded forests in the Amazon and the need to investigate how their soils affect their floristics and stand structure, lead me to set up and sampled trees in four plots in terra firme forest, in white sand forest and in palm forest at the same site in the Peruvian Amazon. I found (1) the white sand forest plot had 15 families with Clusiaceae, Malvaceae and Myrtaceae the most common and Pachira brevipes the most common species, (2) the palm forest plot had 6 families with Arecaceae, Clusiaceae and Fabaceae the most common and Socratea exorrhiza the most common species, and (3) the terra firme forest plot had 47 families with Myristicacea, Fabaceae and Bombacace the most common and Otoba parvifolia and Astrocaryum murumura the most common species. For the stand structure of these forests, (1) terra firme had more stems and larger stems than white sand and palm, and while palm had more stems than white sand, white sand had larger stems than palm, (2) species richness was greatest in terra firme and decreased by a factor of three in white sand, and by a factor of five in palm, (3) basal area decreased from terra firme to white sand, but white sand and palm were comparable, (4) white sand had the greatest above-ground biomass, followed by terra firme and palm, and (5) white sand and palm were much more open forests than terra firme. Results strongly suggest that soils are a significant causal factor in determining floristic and structural differences among these Amazon forests, where the richer soil of terra firme forest helps produce both more structure and a richer floristics compared to the poor soil of palm forests and the even poorer soil of white sand 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 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 ».