Evaluating electrical resistivity tomography and crown surface area to estimate leaf area of sugar maple and yellow birch
Notice bibliographique
Résumé
Abstract Sapwood area is an important parameter for estimating transpiration at whole‐tree and watershed scales, given that it is used for scaling up point sap flow measurements. However, its determination may be difficult, particularly for large‐diameter trees of diffuse‐porous, broad‐leaved species. By delineating only the highly conductive sapwood, electrical resistivity tomography (ERT) may be more appropriate than sapwood dyeing for estimating tree sapwood area. We compared sapwood area measurements made with ERT with those that were obtained from wood dyeing, assuming that the more adequate measure was that which was best correlated with tree leaf area. To achieve this objective, we sampled 31 sugar maple ( Acer saccharum Marsh.) and 20 yellow birch ( Betula alleghaniensis Britt.) trees covering a large range of tree diameters and leaf areas from one site located in eastern Canada. Also, 79 sugar maple trees were sampled in two other sites to document the estimation of tree leaf area over a large territory. The sapwood area that was determined from ERT appeared to be the best method for scaling up point sap flow measurements to whole‐tree transpiration. The predictive ability of ERT was particularly greater than that of wood dyeing when they were both measured at 1 m. If the objective is to estimate tree leaf area rather than sapwood area, the crown surface area would provide a useful substitute for the ERT method because it is rapid and easy to measure while serving a robust predictor applicable over a large territory.
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 ».